MétaCan
Menu
Retour à la cohorte
Enregistrement W4402540712 · doi:10.1093/jas/skae234.039

198 Discovery of key functional SNP markers associated with feed efficiency in beef cattle

2024· article· en· W4402540712 sur OpenAlexaffabout
Stephanie Lam, Le Luo Guan, Graham Plastow, Ángela Cánovas

Notice bibliographique

RevueJournal of Animal Science · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic and phenotypic traits in livestock
Établissements canadiensUniversity of British ColumbiaUniversity of AlbertaUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésBeef cattleKey (lock)SNPBiologyAnimal scienceBiotechnologyComputational biologyGeneticsSingle-nucleotide polymorphismGenotypeGeneEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Beef production contributes to approximately 2.4% of the total Greenhouse Gas emissions in Canada. Improving beef cattle feed efficiency (FE) may lead to improved energy partitioning and resource use, thereby improving the sustainability of the beef industry. Our objective was to identify differentially expressed key regulatory genes and associated novel functional SNP markers linked to FE in Canadian beef cattle using RNA-Sequencing (RNA-Seq) of rumen tissue collected from 48 beef cattle [n = 16 Angus, n = 16 Charolais, n = 16 Kinsella (Composite Hybrid including Angus, Charolais, Galloway, Hereford, Holstein, Brown Swiss, and Simmental)] selected for extreme FE phenotypes. In total, 11 key regulatory genes (MYH1, MYL2, MYLPF, TNNC2, EIF4B, RHOD, TCEANC, CKM, ENSBTAG00000040518, SERPINB2, and USP43) were significantly differentially expressed (DE) between extreme Residual Feed Intake (RFI) groups (low-RFI n = 8, high-RFI n = 8 per breed) using CLC Genomics Workbench (FDR < 0.05; |FC| >2). Using an optimized RNA-Seq variant calling pipeline using STAR and BCFtools, a total of [total (unique to low-RFI, unique to high-RFI)] 75 (36, 39), 78 (42, 36), and 53 (35, 18) uniquely fixed functional SNPs were located within coding regions of these 11 functional candidate genes, in low- and high-RFI animals in the Angus, Charolais, and Kinsella breeds, respectively. Considering all functional SNPs uniquely identified in low- or high-RFI groups for all breed comparisons, the majority of SNPs were identified in MYH1, EIF4B, and SERPINB2 genes, which function together in metabolically demanding biological processes (P < 0.05) related to muscle contraction, muscle system, and muscle filament function processes. Additionally, EIF4B and SERPINB2 genes were found to have a role in signaling pathways that coordinate cell growth and immune function, respectively. Using RNA-Seq to identify key regulatory genes and associated functional SNPs linked to FE may uncover important genetic markers that influence the regulation of FE in beef cattle.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil0,157

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,242
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Animal ScienceMême sujetGenetic and phenotypic traits in livestockTravaux en français237 207