MétaCan
Menu
Retour à la cohorte
Enregistrement W2009487015 · doi:10.1111/j.1365-294x.2008.03663.x

Can we stop transgenes from taking a walk on the wild side?

2008· letter· en· W2009487015 sur OpenAlexaffabout
Katrina M. Dlugosch, Jeannette Whitton

Notice bibliographique

RevueMolecular Ecology · 2008
Typeletter
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetically Modified Organisms Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBiologyTransgeneContext (archaeology)BiotechnologyPopulationTraitResistance (ecology)CanolaGeneticsAgronomyGene

Résumé

récupéré en direct d'OpenAlex

Whether the potential costs associated with broad-scale use of genetically modified organisms (GMOs) outweigh possible benefits is highly contentious, including within the scientific community. Even among those generally in favour of commercialization of GM crops, there is nonetheless broad recognition that transgene escape into the wild should be minimized. But is it possible to achieve containment of engineered genetic elements in the context of large scale agricultural production? In a previous study, Warwick et al. (2003) documented transgene escape via gene flow from herbicide resistant (HR) canola (Brassica napus) into neighbouring weedy B. rapa populations (Fig. 1) in two agricultural fields in Quebec, Canada. In a follow-up study in this issue of Molecular Ecology, Warwick et al. (2008) show that the transgene has persisted and spread within the weedy population in the absence of selection for herbicide resistance. Certainly a trait like herbicide resistance is expected to spread when selected through the use of the herbicide, despite potentially negative epistatic effects on fitness. However, Warwick et al.'s findings suggest that direct selection favouring the transgene is not required for its persistence. So is there any hope of preventing transgene escape into the wild?

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)0,006
score de la tête « metaresearch » (Gemma)0,020
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: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,020
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,005
Communication savante0,0030,006
Science ouverte0,0020,001
Intégrité de la recherche0,0290,034
Charge utile insuffisante (le modèle a refusé de juger)0,0060,008

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 Opus0,040
Tête enseignante GPT0,231
Écart entre enseignants0,191 · 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
GenreCommentaire

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

En bref

Citations19
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMolecular EcologyMême sujetGenetically Modified Organisms ResearchTravaux en français237 207