Descifrar la expresión génica y la base de empalme alternativo del desarrollo muscular a través de modelos de...

Área de la Ciencia:

• La genómica
• La bioinformática
• La cría de animales

Sus antecedentes:

• El rendimiento de la carne es crítico para los programas de cría de aves.
• La identificación de marcadores moleculares para el rendimiento muscular es esencial para la mejora genética.

Objetivo del estudio:

• Aplicar la secuenciación del transcriptoma y el aprendizaje automático para identificar los marcadores moleculares del porcentaje de peso muscular del pecho de pollo (BrP).
• Desarrollar modelos predictivos precisos para la BrP utilizando la expresión génica y los datos de empalme alternativos.

Principales métodos:

• Secuenciación del transcriptoma de tejidos musculares locales de pollo y carne de engorde.
• Análisis de la expresión génica diferencial (DEG) y del empalme alternativo (AS).
• Desarrollo de modelos de aprendizaje automático (por ejemplo, XGBoost, Glmnet) y evaluación de la importancia de las características (SHAP).

Principales resultados:

• Se identificaron 50 DEG y 95 transcripciones empalmadas diferencialmente (DST) significativamente relacionadas con el BrP.
• Se ha logrado una precisión superior al 90% en la predicción de BrP utilizando DEG (XGBoost) y al 95% utilizando DST (Glmnet).
• Se han destacado los genes clave (por ejemplo, ENSGALG00012060, HINTW, VIPR2-201) y los eventos de AS que contribuyen a la BrP.

Conclusiones:

• Desarrolló modelos predictivos de alta precisión impulsados por IA para los rasgos musculares del pecho de las aves de corral.
• Se han identificado nuevos genes candidatos y objetivos de AS para la reproducción molecular.
• Demostró un cambio hacia la IA en la identificación de marcadores genéticos para rasgos económicamente importantes.