Coevolution of Thermoreceptor Genes of the TRP Family in 15 Populations of the Altai-Sayan Region, Western Siberia, and the Far East
Notice bibliographique
Résumé
Abstract The analysis of the TRPV3 thermoreceptor gene (rs322937) was carried out in 15 population samples (1503 people) belonging to different language groups living in the regions of the Altai-Sayan Highlands, Western Siberia, the Far East, and Canada. The highest frequency of the rare allele was found in the Yakuts (42.9%), and the lowest in the Eskimos (10.7%) and Evenks (10.8%). Deviations from the Hardy–Weinberg equilibrium were found in the population of Siberian Tatars. The greatest interpopulation differences were found between the Yakuts and Evenks, and the smallest were found between the Kazakhs, Telengits, and Khakass, the Telengits and Tatars, the Khakass and Nanai, and the Tuvans and Northern Altaians. Transassociation of polymorphic loci of the TRPV1, TRPA1, TRPM8, and TRPV3 genes was carried out using the method of regression analysis. Of the six pairs, a positive correlation was found in three: TRPA1/TRPV3, TRPV3/TRPV1, and TRPV1/TRPM8. Thus, the TRPV3 gene studied by us is positively correlated with TRPV1 and TRPA1 and negatively with TRPM8. The results obtained may indicate different selective pressure in different geographical areas determined by climatic factors.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».