Construction of a chromosome-level Japanese stickleback species genome using ultra-dense linkage analysis with single-cell sperm sequencing
Notice bibliographique
Résumé
Abstract It is still difficult to construct the genomes of higher organisms as their genome sequences must be extended to the length of the chromosome by linkage analysis. In this study, we attempted to provide an innovative alternative to conventional linkage analysis by devising a method to genotype sperm using 10× Genomics single-cell genome sequencing libraries to generate a linkage map without interbreeding individuals. A genome was assembled using sperm from the Japanese stickleback Gasterosteus nipponicus, with single-cell genotyping yielding 1 864 430 very dense hetero-SNPs and an average coverage per sperm cell of 0.13×. In total, 1665 sperm were used, which is an order of magnitude higher than the number of recombinations used for conventional linkage analysis. We then improved the linkage analysis tool scaffold extender with low depth linkage analysis (SELDLA) to analyze the data according to the characteristics of the single-cell genotyping data. Finally, we were able to determine the chromosomal location (97.1%) and orientation (64.4%) of the contigs in the 456 Mb genome of G. nipponicus, sequenced using nanopores. This method promises to be a useful tool for determining the genomes of non-model organisms for which breeding systems have not yet been established by linkage analysis.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».