Data on SSR markers and SNPs filtered from transcriptome of Parvocalanus crassirostris
Notice bibliographique
Résumé
Calanoid copepod populations are being severely affected due to the effects of ocean acidification (OA) and ocean warming (OW). These marine organisms are the most abundant primary consumers contributing significantly in the marine food web. Any effect on the abundance and diversity of copepods due to climate change is likely to have serious implications on the marine ecosystem functioning. Molecular studies that play a vital role in assessing the genetic changes under the influence of environmental imbalances are completely lacking for this species. Here we report the genetic variations in three generations of copepods through transcriptome sequencing. RNA sequencing was performed on an Illumina HiSeq platform employing the 2 × 100 bp paired-end chemistry. Approximately, 10GB of data was obtained for all the samples. The raw sequences were assembled through Trinity 2.6.6 and mined for single nucleotide polymorphisms (SNPs) and simple sequence repeats (SSRs). MIcroSAtellite Identification Tool (MISA) was used for SSR detection and Primer 3 (v 3.0) was utilized to design short oligonucleotide primers (18-20 mers). A total of 15,222 SSRs were identified and 28,944 primer pairs were designed against these motifs. The transcriptome possessed 413,890 SNPs at a frequency of 2.8 per kb. The newly discovered SSRs and SNPs could act as genetic markers for future studies on genetic diversity and conservation for Parvocalanus crassirostris.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».