MiRiQ Database: A Platform for In Silico Rice Mutant Screening
Notice bibliographique
Résumé
Genetic studies using mutant resources have significantly contributed to elucidating plant gene function. Massive mutant libraries sequenced by next-generation sequencing technology facilitate mutant identification and functional analysis of genes of interest. Here, we report the creation and release of an open-access database (https://miriq.agr.kyushu-u.ac.jp/index.php), called Mutation-induced Rice in Kyushu University (MiRiQ), designed for in silico mutant screening based on a whole-genome-sequenced mutant library. This database allows any user to easily find mutants of interest without laborious efforts such as large-scale screening by PCR. The initial version of the MiRiQ database (version 1.0) harbors a total of 1.6 million single-nucleotide variants (SNVs) and InDels of 721 M1 plants that were mutagenized by N-methyl-N-nitrosourea treatment of the rice cultivar Nipponbare (Oryza sativa ssp. japonica). The SNVs were distributed among 87% of all 35,630 annotated protein-coding genes of the Nipponbare genome and were predicted to induce missense and nonsense mutations. The MiRiQ database provides built-in tools, such as a search tool by keywords and JBrowse for mutation searches. Users can request mutant seeds in the M2 or M3 generations from a request form linked to this database. We believe that the availability of a wide range of gene mutations in this database will benefit the plant science community and breeders worldwide by accelerating functional genomic research and crop improvement.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».