MétaCan
Menu
Retour à la cohorte
Enregistrement W3207497253 · doi:10.1093/gbe/evab234

Genic Selection Within Prokaryotic Pangenomes

2021· review· en· W3207497253 sur OpenAlexafffund
Gavin M. Douglas, B. Jesse Shapiro

Notice bibliographique

RevueGenome Biology and Evolution · 2021
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Phylogenetic Studies
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaServier
Mots-clésBiologySelection (genetic algorithm)Evolutionary biologyMobile genetic elementsNicheGeneStabilizing selectionPositive selectionNatural selectionBalancing selectionNegative selectionGeneticsGenetic variationEcologyGenomeMachine learning

Résumé

récupéré en direct d'OpenAlex

Understanding the evolutionary forces shaping prokaryotic pangenome structure is a major goal of microbial evolution research. Recent work has highlighted that a substantial proportion of accessory genes appear to confer niche-specific adaptations. This work has primarily focused on selection acting at the level of individual cells. Herein, we discuss a lower level of selection that also contributes to pangenome variation: genic selection. This refers to cases where genetic elements, rather than individual cells, are the entities under selection. The clearest examples of this form of selection are selfish mobile genetic elements, which are those that have either a neutral or a deleterious effect on host fitness. We review the major classes of these and other mobile elements and discuss the characteristic features of such elements that could be under genic selection. We also discuss how genetic elements that are beneficial to hosts can also be under genic selection, a scenario that may be more prevalent but not widely appreciated, because disentangling the effects of selection at different levels (i.e., organisms vs. genes) is challenging. Nonetheless, an appreciation for the potential action and implications of genic selection is important to better understand the evolution of prokaryotic pangenomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,996
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,284
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations30
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGenome Biology and EvolutionMême sujetGenomics and Phylogenetic StudiesTravaux en français237 207