Transcriptome-wide characterization of alternative splicing in five drug-type cultivars of <i>Cannabis sativa</i>
Notice bibliographique
Résumé
Cannabis sativa L. is widely used for fiber, medicinal, and other purposes, and many cultivars exist, yielding varying proportions of cannabinoids and terpenes. There is considerable interest in characterizing genomes and transcriptomes of C. sativa. Alternative splicing (AS) is a fundamental aspect of gene expression that results in multiple types of mRNAs produced by differential splicing. Transcriptome-wide identification of AS events in drug-type cultivars of C. sativa has not been reported. Here, we identified AS events using a transcriptome dataset derived from five drug-type cultivars with divergent chemotypes. Intron retention is the most common event type, followed by alternative acceptor, alternative donor, and skipped exons. We also sought to assess conservation of AS events among cultivars. We found 547 events (5%) unique to a single cultivar, 2661 (25%) shared by 2–4 cultivars, and 7569 (70%) common to all 5 cultivars. Genes with AS events in each set were analyzed for gene ontology enrichment, showing that genes with AS unique to a single cultivar are enriched for molecular functions related to interactions with ATP and processes involving transport within cells and across membranes. These results provide insights into the conservation and variation of AS events in multiple cultivars of C. sativa.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».