WEIGHTED GENE CO-EXPRESSION NETWORK ANALYSIS IDENTIFIES BIOLOGICAL PATHWAYS AND BIOMARKER GENES ASSOCIATED WITH CHICKENS' ADAPTATION TO BOTH LOW AND HIGH ALTITUDES
Notice bibliographique
Résumé
The main aim of the study was to identify modules, hub genes, and possible pathways linked with hypoxia adaptation in six types of tissues and organs (heart, kidney, liver, lung, muscle, and spleen) at altitudes ranging from 2,300 to 3,500 metersOn a transcription dataset from hypoxia-sensitive tissues, we performed weighted gene co-expression network analysis on 13,940 selected genes, and 10 transcriptional modules in total were detected (Turquoise 196 genes, Purple 27 genes, Blue 196, Brown 182, Yellow 108, Green 79 genes, Red 69 genes, Black 50 genes, Pink 44 genes, and Magenta 37 genes). Furthermore, we discovered that the majority of variable genes were screened by sub-setting 1000 genes; samples belonging to the same tissue clearly clustered together, and the expression in the liver and lung was more associated than in the heart and spleen. Functional enrichment analysis of all genes in 12 selected modules revealed that 9 KEGG pathways were considerably enriched, 13 Gene ontology terms were significantly enriched in the biological process and cellular component pathways, and 15 gene ontology terms were significantly enriched in the molecular function pathway. Through weighted gene co-expression network analysis, the results of this study expand our knowledge of the molecular pathway of catalytic and metabolic activity as a biomarker pathway
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) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
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 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 ».