MétaCan
Menu
← Retour à la cohorte
Enregistrement W6967048363 · doi:10.5061/dryad.mn91560

Data from: Carotenoid pigmentation in salmon: Variation in expression at BCO2-l locus controls a key fitness trait affecting red colouration

2019· dataset· en· W6967048363 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2019
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensBedford Institute of Oceanography
Organismes subventionnairesnon disponible
Mots-clésCarotenoidFleshGenetic variationLocus (genetics)White (mutation)GeneAlleleTrait

Résumé

récupéré en direct d'OpenAlex

Carotenoids are primarily responsible for the characteristic red flesh colouration of salmon. Flesh colouration is an economically and evolutionarily significant trait that varies inter- and intra-specifically, yet the underlying genetic mechanism is unknown. Chinook salmon (Oncorhynchus tshawytscha) represent an ideal system to study carotenoid variation as, unlike other salmonids, they exhibit extreme differences in carotenoid utilization due to genetic polymorphisms. Here, we crossed populations of Chinook salmon with fixed differences in flesh colouration (red vs. white) for a genome-wide association study (GWAS) to identify loci associated with pigmentation. Here, the beta-carotene oxygenase 2-like (BCO2-l) gene was significantly associated with flesh colour, with the most significant SNP explaining 66% of the variation in colour. BCO2 gene disruption is linked to carotenoid accumulation in other taxa, therefore we hypothesize that an ancestral mutation partially disrupting BCO2-l activity (i.e., hypomorphic mutation) allowed the deposition and accumulation of carotenoids within Salmonidae. Indeed, we found elevated transcript levels of BCO2-l in white Chinook salmon relative to red. The long-standing mystery of why salmon are red, while no other fishes are, is thus likely explained by a hypomorphic mutation in the proto-salmonid at the time of divergence of red-fleshed salmonid genera (~30 MYA).

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,124
Score d'incertitude au seuil0,416

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,1240,042

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 Opus0,065
Tête enseignante GPT0,291
Écart entre enseignants0,226 · 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'étudeObservationnel
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Travaux en français237 207→