Une approche distribuée de prédiction et d'analyses de microARNs : cas d'application du blé
Notice bibliographique
Résumé
L’organisation du génome du blé permet à des variétés de tolérer le froid durant l’hiver canadian. L’inhibition de la transcription par les microARNs (miARNs) est l’un des mécanismes de régulation les plus importants à la tolérance environnementale chez les plantes. Cependant, le groupe de miARNs du blé sensibles au froid et la manière dont ils coordonnent la tolérance par diverses voies biologiques pour divers besoins cellulaires et organismiques sont encore mal compris. L’une des raisons est l’absence d’outils bioinformatiques adéquats pour identifier les miARNs dans les donnés massives de séquençage. Dans ce travail, un pipeline efficace de prédiction de miARN, mirLibSpark, a été mis en oeuvre pour effectuer une analyse plus rapide des librairies de petites ARNs en augmentant la précision de leur classification fonctionelle. Nous avons appliqué ce pipeline sur des données expérimentales issues du blé dans des conditions de stress provenant des champs. Nous avons découvert 134 miARNs parmi les souches du blé et les conditions dans le champ. Différents sous-ensembles de ces miARNs sont responsables de la tolérance dans plusieurs contextes génétiques. Les transcriptomes du blé ont été annotés avec les voies régulatrices KEGG. Pour reconnaître les molécules, une analyse de l’enrichissement fonctionnel des miARNs a montré que les voies régulatrices de transcription, de structure, de métabolisme et les systèmes organismiques peuvent être associés à la tolérance au froid. Les méthodes développées faciliteront les analyses massives des microARNs de blé. En plus, les résultats obtenus pour le pilote sont des ajouts dans la compréhension des mécanismes des miARNs.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,008 |
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 ».