Whole transcriptome sequencing reveals key genes and ceRNA regulatory networks associated with pimpled eggs in hens
Notice bibliographique
Résumé
Eggshell is one of the most important indicators of egg quality, and due to low shell strength, pimple eggs (PE) are more susceptible to breakage, thus causing huge economic losses to the egg industry. At the current time, the molecular mechanisms that regulate the formation of pimple eggs are poorly understood. In this study, uterine tissues of PE-laying hens (n = 8) and normal egg (NE) -laying hens (n = 8) were analyzed by whole transcriptome sequencing, and a total of 619 differentially expressed mRNAs (DE mRNAs), 122 differentially expressed lncRNAs (DE lncRNAs) and 21 differentially expressed miRNAs (DE miRNAs) were obtained. Based on the targeting relationship among DE mRNAs, DE lncRNAs and DE miRNAs, we constructed a competitive endogenous RNA (ceRNA) network including 12 DE miRNAs, 19 DE lncRNAs, and 128 DE mRNAs. Considering the large amount of information contained in the network, we constructed a smaller ceRNA network to better understand the complex mechanisms of pimple egg formation. The smaller ceRNA network network contains 7 DE lncRNAs (LOC107056551, LOC121109367, LOC121108909, LOC121108862, LOC112530033, LOC121113165, LOC107054145), 5 DE miRNAs (gga-miR-6568-3p, gga-miR-31-5p, gga-miR-18b-3p, gga-miR-1759-3p, gga-miR-12240-3p) and 7 DE mRNAs (CABP1, DNAJC5, HCN3, HPCA, IBSP, KCNT1, OTOP3), and these differentially expressed genes may play key regulatory roles in the formation of pimpled eggs in hens. This study provides the overall expression profiles of mRNAs, lncRNAs and miRNAs in the uterine tissues of hens, which provides a theoretical basis for further research on the molecular mechanisms of pimpled egg formation, and has potential applications in improving eggshell quality.
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 | 0,001 | 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 ».