TypeSINE: Genome-Wide Detection of SINE Retrotransposon Polymorphisms Reveals Functional Variants Linked to Body Size Variation in Pigs
Notice bibliographique
Résumé
Abstract The genotyping of Short Interspersed Element (SINE) retrotransposon insertion polymorphisms (RIPs) from large-scale sequencing data remains technically challenging. To overcome this limitation, we developed TypeSINE to genotype SINE-RIPs from short-read sequencing data. Analyzing 362 porcine genomes, we identified 749,835 SINE-RIPs (>85% accuracy), including 65,917 common variants (5-95% frequency). These showed uniform genomic distribution (∼22/Mb), with 40% in introns. Population analyses based on SINE-RIPs revealed independent domestication of Asian and European pigs from local wild populations, followed by introgression. GWAS detected body size-associated regions using SINE-RIPs. We created pigRIPdb (82,227 curated SINE-RIPs) with browsing and visualization tools. The method’s cross-species applicability is supported by conserved SINE evolutionary patterns, enabling polymorphism discovery of SINEs in livestock and humans. TypeSINE represents an efficient, scalable solution for genome-wide SINE-RIP analysis, advancing population genomics research. Teaser An integrated SINE-RIP genotyping platform with companion database enables large-scale analysis of SINE evolution and population genetics in swine
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».