MétaCan
Menu
Retour à la cohorte
Enregistrement W4286697706 · doi:10.3390/genes13081295

lncRNA–miRNA–mRNA ceRNA Network Involved in Sheep Prolificacy: An Integrated Approach

2022· article· en· W4286697706 sur OpenAlexaff
Masoumeh Sadeghi, Abolfazl Bahrami, Aliakbar Hasankhani, Hamed Kioumarsi, Reza Nouralizadeh, Sarah Ali Abdulkareem, Farzad Ghafouri, Herman W. Barkema

Notice bibliographique

RevueGenes · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer-related molecular mechanisms research
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésmicroRNACompeting endogenous RNAMessenger RNABiologyComputational biologyGeneGeneticsRNALong non-coding RNA

Résumé

récupéré en direct d'OpenAlex

Understanding the molecular pattern of fertility is considered as an important step in breeding of different species, and despite the high importance of the fertility, little success has been achieved in dissecting the interactome basis of sheep fertility. However, the complex mechanisms associated with prolificacy in sheep have not been fully understood. Therefore, this study aimed to use competitive endogenous RNA (ceRNA) networks to evaluate this trait to better understand the molecular mechanisms responsible for fertility. A competitive endogenous RNA (ceRNA) network of the corpus luteum was constructed between Romanov and Baluchi sheep breeds with either good or poor genetic merit for prolificacy using whole-transcriptome analysis. First, the main list of lncRNAs, miRNAs, and mRNA related to the corpus luteum that alter with the breed were extracted, then miRNA−mRNA and lncRNA−mRNA interactions were predicted, and the ceRNA network was constructed by integrating these interactions with the other gene regulatory networks and the protein−protein interaction (PPI). A total of 264 mRNAs, 14 lncRNAs, and 34 miRNAs were identified by combining the GO and KEGG enrichment analyses. In total, 44, 7, 7, and 6 mRNAs, lncRNAs, miRNAs, and crucial modules, respectively, were disclosed through clustering for the corpus luteum ceRNA network. All these RNAs involved in biological processes, namely proteolysis, actin cytoskeleton organization, immune system process, cell adhesion, cell differentiation, and lipid metabolic process, have an overexpression pattern (Padj < 0.01). This study increases our understanding of the contribution of different breed transcriptomes to phenotypic fertility differences and constructed a ceRNA network in sheep (Ovis aries) to provide insights into further research on the molecular mechanism and identify new biomarkers for genetic improvement.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,020
Tête enseignante GPT0,263
Écart entre enseignants0,244 · 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'étudeObservationnel
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

Citations33
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGenesMême sujetCancer-related molecular mechanisms researchTravaux en français237 207