MétaCan
Menu
Retour à la cohorte
Enregistrement W4408787902 · doi:10.1186/s12864-025-11482-4

Application of genomic tools to study and potentially improve the upper thermal tolerance of farmed Atlantic salmon (Salmo salar)

2025· article· en· W4408787902 sur OpenAlexafffund
Eric H. Ignatz, Melissa S. Allen, Jennifer R. Hall, Rebeccah M. Sandrelli, Mark D. Fast, Guy M. L. Perry, Matthew L. Rise, A. Kurt Gamperl

Notice bibliographique

RevueBMC Genomics · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhysiological and biochemical adaptations
Établissements canadiensUniversity of Prince Edward IslandMemorial University of NewfoundlandDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAtlantic Canada Opportunities Agency
Mots-clésSalmoBiologyHeritabilityGenome-wide association studyAquacultureSingle-nucleotide polymorphismSNPGeneticsExpression quantitative trait lociGenotypeFisheryGeneFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Abstract Background The Atlantic salmon ( Salmo salar ) aquaculture industry must mitigate the impacts of rising ocean temperatures and the increased prevalence/severity of marine heat waves. Therefore, we investigated the genetic architecture and gene expression (transcriptomics) responsible for determining a salmon’s upper thermal tolerance. Results A genome-wide association study (GWAS) was conducted using fin clips of salmon from a previous incremental thermal maximum (IT Max ) challenge ( n = 251) and the North American 50 K SNP chip. IT Max was a highly polygenic trait with low/moderate heritability (mean SNP-based h 2 = 0.20 and pedigree-based h 2 = 0.25). Using data from the same fish, a separate GWAS assessed thermal-unit growth coefficient (TGC). Five significant SNPs were detected on chromosomes three and five, and high heritability estimates were calculated for TGC measured as fish grew from 12 to 20 °C (mean SNP-based h 2 = 0.62 and pedigree-based h 2 = 0.64). RNA-seq analyses of liver samples ( n = 5–6 family -1 temperature -1 ) collected from the four most and four least tolerant families at 10 and 20 °C were also used to provide insights into potential mechanisms modulating this species’ thermal tolerance. Between the top and bottom families, 347 and 175 differentially expressed transcripts (FDR-adjusted p < 0.01; fold-change ≥|2.0|) were identified at 10 and 20 °C, respectively. GO term enrichment analysis revealed unique responses to elevated temperature between family rankings (e.g., ‘blood coagulation’, ‘sterol metabolic process’ and ‘synaptic growth at neuromuscular junction’). qPCR analyses further confirmed differences pertaining to cholesterol metabolism ( lpl ), inflammation ( epx , elf3 , ccl20 ), apoptosis ( htra1b , htra2 , anxa5b ), angiogenesis ( angl4 , pdgfa ), nervous system processes ( insyn2a , kcnj11l ) and heat stress ( serpinh1b-1 , serpinh1b-2 ). Three differentially expressed transcripts (i.e., ppp1r9a , gal3st1a , f5 ) were located in close proximity (± 120 kbp) to near-significant SNPs from the GWAS. Interestingly, ppp1r9a and gal3st1a have putative neurological functions, while f5 regulates blood coagulation. Conclusions These analyses provide several putative biomarkers of upper thermal tolerance in salmon that could prove valuable in helping the industry develop more temperature-tolerant fish. Further, our study supports previous reports that IT Max has low/moderate heritability in this species, and suggests that TGC at elevated temperatures is highly heritable.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,012
Tête enseignante GPT0,225
Écart entre enseignants0,213 · 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'étudeExpérimental (laboratoire)
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

Citations11
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC GenomicsMême sujetPhysiological and biochemical adaptationsTravaux en français237 207