MétaCan
Menu
Retour à la cohorte
Enregistrement W4313472669 · doi:10.3390/horticulturae9010020

Evaluation of Reference Genes Suitable for Gene Expression during Root Enlargement in Cherry Radish Based on Transcriptomic Data

2022· article· en· W4313472669 sur OpenAlexaff
Yao Yao, Xiaoqian Wang, Bingxing Chen, Shurui Zheng, Gefu Wang‐Pruski, Rongfang Guo

Notice bibliographique

RevueHorticulturae · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMolecular Biology Techniques and Applications
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésReference genesBiologyGeneTranscriptomeGene expressionGeneticsFunctional genomicsComputational biologyGenomicsGenome

Résumé

récupéré en direct d'OpenAlex

Reliable reference genes (RGs) are of great significance for the normalization of quantitative data. RGs are often used as a reference to ensure the accuracy of experimental results to detect gene expression levels by reverse transcription–quantitative real-time PCR (RT-qPCR). To evaluate the normalized RGs that are suitable for studying the expression of genes during the process of radish stele enlargement, based on the functional annotations and fragment per kilobase of transcript per million mapped reads (FPKM) values in the transcriptome data, three traditional RGs (GAPDH, 18SrRNA, and ACTIN7) and seven commonly used RGs (UBQ11, TUA6, TUB6, EF-1b1, EF-1a2, PP2A11, and SAND) were obtained. In the study, the results of geNorm, NormFinder, and BestKeeper from RefFinder comprehensively analyzed the stability ranking of candidate RGs. The results showed that compared with the traditional RGs, the common RGs show higher and more stable expression. Among the seven commonly used RGs, PP2A11 is recommended as the optimal RG for studying cherry radish stele enlargement. This research provides a useful and reliable RG resource for the accurate study of gene expression during root enlargement in cherry radishes and facilitates the functional genomics research on root enlargement.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,016
Score d'incertitude au seuil0,353

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,059
Tête enseignante GPT0,325
Écart entre enseignants0,266 · 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 tête enseignante, 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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHorticulturaeMême sujetMolecular Biology Techniques and ApplicationsTravaux en français237 207