Genome‐wide selection signal analysis of Australian Boer goat reveals artificial selection imprinting on candidate genes related to muscle development
Notice bibliographique
Résumé
Summary As one of the best‐known commercial goat breeds in the world, Boer goat has undergone long‐term artificial selection for nearly 100 years, and its excellent growth rate and meat production performance have attracted considerable worldwide attention. Herein, we used single nucleotide polymorphisms (SNPs) called from the whole‐genome sequencing data of 46 Australian Boer goats to detect polymorphisms and identify genomic regions related to muscle development in comparison with those of 81 non‐specialized meat goat individuals from Europe, Africa, and Asia. A total of 13 795 202 SNPs were identified, and the whole‐genome selective signal screen with a π ratio of nucleotide diversity ( π case / π control ) and pairwise fixation index ( F ST ) was analyzed. Finally, we identified 1741 candidate selective windows based on the top 5% threshold of both parameters; here, 449 candidate genes were only found in 727 of these regions. A total of 433 genes out of the 449 genes obtained were annotated to 2729 gene ontology terms, of which 51 were directly linked to muscle development (e.g., muscle organ development, muscle cell differentiation) by 30 candidate genes (e.g., JAK2 , KCNQ1 , PDE5A , PDLIM5 , TBX5 ). In addition, 246 signaling pathways were annotated by 178 genes, and two pathways related to muscle contraction, including vascular smooth muscle contraction ( ADCY7 , PRKCB , PLA2G4E , ROCK2 ) and cardiac muscle contraction ( CACNA2D3 , CASQ2 , COX6B1 ), were identified. The results could improve the current understanding of the genetic effects of artificial selection on the muscle development of goat. More importantly, this study provides valuable candidate genes for future breeding of goats.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».