MétaCan
Menu
Retour à la cohorte
Enregistrement W4294001821 · doi:10.1016/j.ygeno.2022.110477

Zebrafish Danio rerio myotomal muscle structure and growth from a spatial transcriptomics perspective

2022· article· en· W4294001821 sur OpenAlexaff
Guan‐Ting Liu, Takumi Ito, Yusuke Kijima, Kazutoshi Yoshitake, Shuichi Asakawa, Shugo Watabe, Shigeharu Kinoshita

Notice bibliographique

RevueGenomics · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSingle-cell and spatial transcriptomics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesJapan Society for the Promotion of ScienceChina Scholarship Council
Mots-clésBiologyDanioMyogenesisZebrafishTranscriptomeMyocyteAnatomyFish finSkeletal muscleMuscle tissueCell biologyGene expressionGeneFish <Actinopterygii>GeneticsFishery

Résumé

récupéré en direct d'OpenAlex

Fish exhibit different muscle structures and growth characteristics compared with mammals. We used a spatial transcriptomics approach and examined myotomal muscle sections from zebrafish. Adult muscles were divided into eight regions according to spatial gene expression characteristics. Slow muscle was located in the wedge-shaped region near the lateral line and at the base of the dorsal fin, intermediate muscle was located in a ribbon-shaped region adjacent to slow muscle, and fast muscle was located in the deep region of the trunk, surrounded by intermediate muscle; the interior of fast muscle was further divided into 6 parts by their transcriptomic features. Combined analysis of adult and larval data revealed that adult muscles contain specific regions similar to larval muscles. These regions showed active myogenesis and a high expression of genes associated with muscle hyperplasia. This is the first study to apply spatial transcriptomics to fish myotomal muscle structure and growth.

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 enseignants0,005
Score d'incertitude au seuil0,010

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 Opus0,007
Tête enseignante GPT0,191
Écart entre enseignants0,184 · 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

Citations17
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGenomicsMême sujetSingle-cell and spatial transcriptomicsTravaux en français237 207