Differences in gene expression between high and low tolerance rainbow trout (Oncorhynchus mykiss) to acute thermal stress
Notice bibliographique
Résumé
Understanding the mechanisms that underlie the adaptive response of ectotherms to rising temperatures is key to mitigating the effects of climate change. We assessed the molecular and physiological processes that differentiate between rainbow trout (Oncorhynchus mykiss) with high and low tolerance to acute thermal stress. To achieve our goal, we used a critical thermal maximum trial in two strains of rainbow trout to elicit loss of equilibrium responses to identify high and low-tolerance fish. We then compared the hepatic transcriptome profiles of high and low-tolerance fish relative to untreated controls common to both strains to uncover patterns of differential gene expression and to gain a broad perspective on the interacting gene pathways and functional processes involved. We observed some of the classic responses to increased temperature (e.g., induction of heat shock proteins) but these responses were not the defining factors that differentiated high and low-tolerance fish. Instead, high-tolerance fish appeared to suppress growth-related functions, enhance certain autophagy components, better regulate neurodegenerative processes, and enhance stress-related protein synthesis, specifically spliceosomal complex activities, mRNA regulation, and protein processing through post-translational processes, relative to low-tolerance fish. In contrast, low-tolerance fish had higher transcript diversity and demonstrated elevated developmental, cytoskeletal, and morphogenic, as well as lipid and carbohydrate metabolic processes, relative to high-tolerance fish. Our results suggest that high-tolerance fish engaged in processes that supported the prevention of further damage by enhancing repair pathways, whereas low-tolerance fish were more focused on replacing damaged cells and their structures.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».