Transcriptomics of epidermal mucus as a nonlethal method to compare gene expression variation among fish populations
Notice bibliographique
Résumé
Although transcriptomic analysis of wild organisms is a powerful tool to understand molecular differences among populations, most methods require the use of lethal sampling. In fish, the use of epidermal mucus is a promising method for development of nonlethal sampling tools. Previous studies have shown that mRNA is dynamically regulated in fish epidermal mucus following stressor exposure, suggesting that mucus is reflective of molecular changes occurring within the organism in response to its environment. The aim of the study was to determine whether transcriptomics of mucus could discern molecular differences among populations of lake trout. In order to do so, mucus was collected and sequenced from four geographically-distinct lake trout (Salvelinus namaycush) populations at the IISD Experimental Lakes Area. Principal component analysis (PCA) and hierarchical clustering of read data showed that each lake trout population had unique transcriptomic profiles, suggesting that RNA sequencing of mucus is able to discern molecular differences among fish populations. Furthermore, differential gene expression analysis identified regulation of immune-related transcripts and viral gene expression transcripts among populations. PCA and a mixed linear model of water quality parameters indicated that environmental variables accounted for transcriptomic variation among populations. However, 32% of transcriptomic variance was unaccounted for by the mixed linear model, suggesting that other variables may influence transcription, such as epigenetics and presence of pathogens. Overall, results indicate that RNA sequencing of epidermal mucus is an effective, nonlethal method to study transcriptional differences among fish populations and may be especially useful for studies of endangered species.
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 ».