Unraveling IGK Locus in Dog Breeds: IMGT® New Insights into Canine Immunogenetics
Notice bibliographique
Résumé
Abstract Over millennia, the selective breeding of dogs ( Canis lupus familiaris ) has generated remarkable genetic diversity among breeds, highlighting the need for comprehensive genomic and immunogenetic studies. This research provides detailed immunoglobulin kappa light chain locus (IGK) analysis across multiple dog breeds. It aims to uncover breed-specific genetic variations and their implications for immunology and veterinary medicine. The primary objectives were to do the biocuration of the IGK locus in nine canine genome assemblies, investigate structural variations, polymorphisms, and gene diversity, and to enrich the IMGT® database with comprehensive IGK data from diverse breeds, creating a more inclusive genetic resource. Our extensive annotation of breeds, including the Bernese Mountain Dog, Boxer, Cairn Terrier, Labrador Retriever, Great Dane, Basenji, and German Shepherd, identified 40 genes and 97 alleles, revealing both conserved genes and unique variants across these breeds, with in silico validation through Sanger sequencing. Notably, we analyzed discrepancies in the first reference assembly from the Boxer breed (Canfam3.1), highlighting potential errors in assembly, challenges in gene and allele nomenclature, and a low-density region within the canine IGK locus. This study not only refines the understanding of IGK locus diversity but also contributes to the IMGT® databases, advancing future research on immunogenetic variability, somatic mutations, and immune response dynamics in canine health and disease.
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 | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».