Snow alga <i>Sanguina aurantia</i> as revealed through de novo genome assembly and annotation
Notice bibliographique
Résumé
To thrive on melting alpine and polar snow, some Chlorophytes produce an abundance of astaxanthin, causing red blooms, often dominated by genus Sanguina. The red cells have not been cultured, but we recently grew a green biciliate conspecific with Sanguina aurantia from a sample of watermelon snow. This culture provided source material for Oxford Nanopore Technology and Illumina sequencing. Our assembly pipeline exemplifies the value of a hybrid long- and short-read approach for the complexities of working with a culture grown from a field sample. Using bioinformatic tools, we separated assembled contigs into 2 genomic pools based on a difference in GC content (57.5 and 55.1%). We present the data as 2 assemblies of S. aurantia variants but explore other possibilities. High-throughput chromatin conformation capture analysis (Hi-C sequencing) was used to scaffold the assemblies into a 96-Mb genome designated as "A" and a 102-Mb genome designated as "B." Both assemblies are highly contiguous: genome A consists of 38 scaffolds with an N50 of 5.4 Mb, while genome B has 50 scaffolds with an N50 of 6.4 Mb. RNA sequencing was used to improve gene annotation.
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) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».