Additional file 1 of Meta-analysis of six dairy cattle breeds reveals biologically relevant candidate genes for mastitis resistance
Notice bibliographique
Résumé
Additional file 1: Table S1. Populations imputed to sequence level for somatic cell count (SCS) and clinical mastitis (CM) GWAS. Table S2. The population number for meta-analysis for clinic mastitis and somatic cell count. Table S3. The significant SNPs for each population. Table S4. The Genomic control parameter for meta-analysis for clinic mastitis and somatic cell count. Table S5. The SNPs number after quality control for meta-analysis for clinic mastitis and somatic cell count. Table S6. The function analysis of nearest gene, NA means the functional annotation is not related to mastitis resistance. Table S7. The gene-based analysis for single-trait meta-analysis exceeding the Bonferroni corrected significant threshold (p value < 1.92e-6 i.e. nominal Type-1 error at 0.05 for total number of 26,071 genes). The –log10(p) are from multiple analysis. Table S8. The gene-based analysis for multi-trait meta-analysis exceeding the Bonferroni corrected significant threshold (p value < 1.92e-6 i.e. nominal Type-1 error at 0.05 for total number of 26,071 genes). The –log10(p) are from multiple analysis. Table S9. The function analysis of significant genes from gene analysis, NA means the functional annotation is not related to mastitis resistance. Table S10. The cis-eQTL from cattle GTEx that are significantly associated in our study.
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 | 0,003 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,730 | 0,052 |
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 ».