Evolutionsgenomiskt tillvägagångssätt för att undersöka genomisk stabilitet i långlivade djur
Bibliographic record
Abstract
Livslängd varierar med flera storleksordningar inom djurriket och har utvecklats oberoende många gånger, men de exakta mekanismerna bakom denna variation förblir endast delvis förstådda. Tidigare studier som undersökt mekanismerna bakom livslängd har typiskt fokuserat på parvisa jämförelser mellan långlivade och kortlivade djur, vilket har begränsad möjlighet för att hitta större evolutionära mönster. Med utvecklingen av nya genomiska verktyg, allt högre kvalitet på genom och mer kraftfulla dataresurser är möjligheten för omfattande studier över breda djurgrupper större än någonsin tidigare. I detta projekt utnyttjades nya analytiska metoder för att utföra en datadriven analys av långlivade däggdjur, med målet att identifiera genetiska mönster som ligger bakom både etablerade åldrande-mekanismer och nya bidragsgivare till livslängd, samt andra genomiska signaturer associerade med förlängd livslängd. Studien använde genom från 50 däggdjur som valdes baserat på de översta och nedersta 20% av tillgängliga däggdjur efter livslängd. Ortologer och genfamiljer härleddes med hjälp av Orthofinder och analyserades sedan för variation i genfamiljestorlek och evolutionära hastigheter i aminosyrasekvenser. Analysen identifierade 924 gener med signifikant olika evolutionära hastigheter mellan kortlivade och långlivade arter, och anriknings analysen av dessa gener visade att resultaten innehöll många gener relaterade till formation av- och funktion av neuroner. Detta belyser de genetiska mekanismerna bakom nyliga studier som har föreslagit att en av de tydligaste egenskaper som korrelerar med livslängd är antalet neuroner, med en korrelation mer än dubbelt så stark som kroppsstorlek. Dessutom identifierade analysen gener relaterade till åldrande-mekanismer såsom DNA-reparation och immunsystemet. Analysen av genfamiljerna identifierade 83 genfamiljer som var signifikant korrelerade med livslängd, och anriknings analysen påvisade att många av dem hade funktioner relaterade till respons mot giftiga metalljoner. Det fanns även signifikanta genfamiljer relaterade till mer klassiska livslängds-mekanismer såsom DNA-reparation och immunrespons. De metalljons-detoxifieringen generna presenterar ett nytt fynd och har möjlig teoretisk grund för dess potentiella betydelse för åldrande.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.025 | 0.009 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".