MétaCan
Menu
← Retour à la cohorte
Enregistrement W4242129169 · doi:10.22215/etd/2016-11675

Histone methylation in the freeze-tolerant wood frog, Rana sylvatica

2016· dissertation· en· W4242129169 sur OpenAlexaff
Liam J. Hawkins

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEpigenetics and DNA Methylation
Établissements canadiensCarleton UniversityDalhousie University
Organismes subventionnairesnon disponible
Mots-clésHistone methyltransferaseHistoneHistone methylationBiologyEpigeneticsCell biologyHistone codeGeneticsDNA methylationGeneGene expression

Résumé

récupéré en direct d'OpenAlex

The wood frog, Rana sylvatica, has developed numerous adaptations to survive days with up to 65% of its body fluid frozen.One such adaptation is to reduce their metabolic rate, employing only those processes needed to survive until temperatures rise.The establishment of this hypometabolic state is mediated by transcriptional regulation that is elicited in part by histone methylation, however this has yet to be explored in the context of metabolic rate depression and freeze tolerance.This thesis provides the first characterization of histone methyltransferases (HMTs) and the histone and non-histone proteins they methylate in the wood frog.Transcriptionally permissive histone residues (H3K4me1 and H3K27me1) were found to decrease during freezing in skeletal muscle while those that silence transcription (H3K9me3 and H3K36me2) were maintained, whereas differential levels of histone residues were seen in liver.These findings suggest a novel role for HMTs in freeze tolerance.student I am today.I thank you for your mentorship, insights into the world of science, academia, and administration, and truly value your advice inside and out of the lab.I would also like to thank Jan Storey for her editorial review of this thesis and other documents.It is your hard work, knowledge, and patience, that ensures the lab runs as smooth and successful as it does.I also thank all the Storey lab members, both past and present, for creating such a positive and fun environment to work in every day.In particular I would like to thank Sanoji Wijenayake for mentoring me and guiding my project, Kama Szereszewski for introducing me to the world of western blotting, and Bryan Luu for teaching me necessary techniques for other and future projects.Of course, I would not be here today if it were not for my parents, brother, and sister.Mom and Dad, thank you for always supporting, encouraging

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,011
Tête enseignante GPT0,293
Écart entre enseignants0,282 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEpigenetics and DNA Methylation→Travaux en français237 207→