Development of RNAi in Insects and RNAi-Based Pest Control
Notice bibliographique
Résumé
producing dsRNAs directed against genes function in Lepidoptera, Coleoptera, and Hemiptera pests are becoming more common (Gordon and Waterhouse, 2007;Baum et al., 2007;Mao et al., 2007, Chen et al., 2010).For example, Chen et al. (2010) report the successful feeding of TPS (trehalose-6-phosphate synthase for the synthesis of trehalose, main sugar reserve in haemolymph) dsRNA solutions to silence this gene thus proposing it as a useful pest control agent.These results suggest that over time, new generations of insect-resistant crops will be created to manage agriculturally important insect pests.In this review chapter, we summarize the current knowledge on the recent RNAi research on insects, including the application of RNAi techniques in research involving functional insect genes and functional genomics, the methods of dsRNA uptake RNAi in insects, the systemic diffusion of RNAi silencing molecules in the insect body and the mechanism underlying this diffusion, and the potential application of RNAi in integrated pest management (IPM).The main purpose of this review is to help entomologists become familiar with RNAi research, a rapidly growing field where new avenues and techniques are being used to investigate insect RNAi mechanisms for the development of pest control. How to referenceIn order to correctly reference this scholarly work, feel free to copy and paste the following: Guang Yang, Minsheng You, Liette Vasseur, Yiying Zhao and Chunhui Liu (2011).Development of RNAi in Insects and RNAi-Based Pest Control, Pesticides in the Modern World -Pests Control and Pesticides Exposure and Toxicity Assessment, Dr. Margarita Stoytcheva (Ed.),
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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 ».