Whole Genome Sequencing Reveals Signatures for Artificial Selection for Different Sizes in Japanese Primitive Dog Breeds
Notice bibliographique
Résumé
Body size is an important trait in companion animals. Recently, a primitive Japanese dog breed, the Shiba Inu, has experienced artificial selection for smaller body size, resulting in the “Mame Shiba Inu” breed. To identify loci and genes that might explain the difference in the body size of these Shiba Inu dogs, we applied whole genome sequencing of pooled samples (pool-seq) on both Shiba Inu and Mame Shiba Inu. We identified a total of 13,618,261 unique SNPs in the genomes of these two breeds of dog. Using selective sweep approaches, including F ST , H p and XP-CLR with sliding windows, we identified a total of 12 genomic windows that show signatures of selection that overlap with nine genes ( PRDM16, ZNF382, ZNF461, ERGIC2, ENSCAFG00000033351, CCDC61, ALDH3A2, ENSCAFG00000011141 , and ENSCAFG00000018533 ). These results provide candidate genes and specific sites that might be associated with body size in dogs. Some of these genes are associated with body size in other mammals, but 8 of the 9 genes are novel candidate genes that need further study.
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 | 0,000 |
| 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 ».