Large-Scale Metadata Analysis of Ovary Based Multi-Omics Datasets for Understanding the Genes Regulating Litter Size
Notice bibliographique
Résumé
<title>Abstract</title> Background : Litter size is a very important production index in the livestock industry, which is controlled by various complex physiological processes. To understand and reveal the common gene expression patterns involved in controlling prolificacy, we have performed a large-scale metadata analysis of five genome-wide transcriptome datasets of pig and sheep ovary samples obtained from high and low litter groups, respectively. We analyzed separately each transcriptome dataset using GeneSpring v14.8 software by implementing standard, generic analysis pipelines and further compared the list of most significant and differentially expressed genes obtained from each dataset to identify genes that are found to be common and significant across all the studies. Results : We have observed a total of 62 differentially expressed genes common among more than two gene expression datasets. The KEGG pathway analysis of most significant genes has shown that they are involved in metabolism, the biosynthesis of lipids, cholesterol and steroid hormones, immune system, cell growth and death, cancer-related pathways and signal transduction pathways. Of these 62 genes, we further narrowed the list to the 25 most significant genes by focusing on the ones with fold change >1.5 and p<0.05. These genes are CYP11A1, HSD17B2, STAR, SCARB1, IGSF8, MSMB, SERPINA1 , FAM46C, HEXA, PTTG1, TIMP1, FAM167B, CCNG1, FAXDC2, HMGCS1, L2HGDH, Lipin1, MME, MSMO1, PARM1, PTGFR, SLC22A4, SLC35F5, CCNA2, CENPU, CEP55, RASSF2, and SLC16A3 . Conclusions : Interestingly, comparing the list of genes with the list of genes obtained from our literature search analysis, we found only three genes in common. These genes are HEXA, PTTG1, and TIMP1. Our finding points to the potential of a few genes that may be important for ovarian follicular development and oocyte quality. Future studies revealing the function of these genes will further our understanding of how litter size is controlled in the ovary while also providing insight on genetic selection of high litter gilts.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».