Blood-based gene expression as non-lethal tool for inferring salinity-habitat history of European eel (Anguilla anguilla)
Notice bibliographique
Résumé
The European eel is a facultative catadromous species, meaning that it can skip the freshwater phase or move between marine and freshwater habitats during its continental life stage. Otolith microchemistry, used to determine the habitat use of eel or its salinity history, requires the sacrifice of animals. In this context, blood-based gene expression may represent a non-lethal alternative. In this work, we tested the ability of blood transcriptional profiling to identify the different salinity-habitat histories of European eel. Eels collected from different locations in Norway were classified through otolith microchemistry as freshwater residents (FWR), seawater residents (SWR) or inter-habitat shifters (IHS). We detected 3451 differentially expressed genes from blood by comparing FWR and SWR groups, and then used that subset of genes in a machine learning approach (i.e., random forest) to the extended FWR, SWR, and IHS group. Random forest correctly classified 100% of FWR and SWR and 83% of the IHS using a minimum of 30 genes. The implementation of this non-lethal approach may replace otolith-based microchemistry analysis for the general assessment of life-history tactics in European eels. Overall, this approach is promising for the replacement or reduction of other lethal analyses in determining certain fish traits.
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 | 0,000 |
| 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 | 0,000 |
| 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 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 ».