Seed‐expressed fluorescent proteins as versatile tools for easy (co)transformation and high‐throughput functional genomics in <i>Arabidopsis</i>
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We demonstrate that fluorescent proteins can be used as visual selection markers for the transformation of Arabidopsis thaliana by the floral dip method. Seed-specific expression of green fluorescent protein (GFP) variants, as well as DsRed, permits the identification of mature transformed seeds in a large background of untransformed seeds by fluorescence microscopy. In planta visualization of transformed seeds in siliques shows that susceptibility to floral dip transformation is limited to a small, defined window in flower development. In the competent stage, the random transformation of up to 25% of the seeds within a single silique may occur. The use of fluorescent proteins with different spectral characteristics allows a rapid identification and genetic analysis of seeds that have received multiple genes-of-interest in co-transformation experiments. The data reveal that co-transformation does not occur at random, since the co-transformed genes are integrated at a single genetic locus in approximately 70% of the cases. This genetic linkage of the co-transformed genes greatly simplifies metabolic pathway engineering by reverse genetics in Arabidopsis. Additional advantages of using visual selection instead of antibiotic resistance include a rapid identification of the effect of the T-DNA insertion or the transgene on seed development and/or germination. This technology, of tagging and identifying transformed seeds by fluorescence provides a novel high-throughput screening system with many potential applications in plant biotechnology.
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.
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 | 0,000 |
| 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 découle