MétaCan
Menu
Retour à la cohorte
Enregistrement W1904977038 · doi:10.1002/ps.975

Risks and consequences of gene flow from herbicide‐resistant crops: canola (<i>Brassica napus</i> L) as a case study

2004· review· en· W1904977038 sur OpenAlexaff
Anne Légère

Notice bibliographique

RevuePest Management Science · 2004
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetically Modified Organisms Research
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésCanolaBiologyGene flowBrassica rapaBrassicaIntrogressionAgronomyRapeseedCropGeneGeneticsGenetic variation

Résumé

récupéré en direct d'OpenAlex

Data from the literature and recent experiments with herbicide-resistant (HR) canola (Brassica napus L) repeatedly confirm that genes and transgenes will flow and hybrids will form if certain conditions are met. These include sympatry with a compatible relative (weedy, wild or crop), synchrony of flowering, successful fertilization and viable offspring. The chance of these events occurring is real; however, it is generally low and varies with species and circumstances. Plants of the same species (non-transgenic or with a different HR transgene) in neighbouring fields may inherit the new HR gene, potentially generating plants with single and multiple HR. For canola, seed losses at harvest and secondary dormancy ensures the persistence over time of the HR trait(s) in the seed bank, and the potential presence of crop volunteers in subsequent crops. Although canola has many wild/weedy relatives, the risk of gene flow is quite low for most of these species, except with Brassica rapa L. Introgression of genes and transgenes in B rapa populations occurs with apparently little or no fitness costs. Consequences of HR canola gene flow for the agro-ecosystem include contamination of seed lots, potentially more complex and costly control strategy, and limitations in cropping system design. Consequences for non-agricultural habitats may be minor but appear largely undocumented.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,087
Tête enseignante GPT0,337
Écart entre enseignants0,250 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations105
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePest Management ScienceMême sujetGenetically Modified Organisms ResearchTravaux en français237 207