A synthetic de‐greening gene circuit provides a reporting system that is remotely detectable and has a re‐set capacity
Notice bibliographique
Résumé
Plants have evolved elegant mechanisms to continuously sense and respond to their environment, suggesting that these properties can be adapted to make inexpensive and widely used biological monitors, or sentinels, for human threats. For a plant to be a sentinel, a reporting system is needed for large areas and widespread monitoring. The reporter or readout mechanism must be easily detectable, allow remote monitoring and provide a re-set capacity; all current gene reporting technologies fall short of these requirements. Chlorophyll is one of the best-recognized plant pigments with an already well-developed remote imaging technology. However, chlorophyll is very abundant, with levels regulated by both genetic and environmental factors. We designed a synthetic de-greening circuit that produced rapid chlorophyll loss on perception of a specific input. With induction of the de-greening circuit, changes were remotely detected within 2 h. Analyses of multiple de-greening circuits suggested that the de-greening circuit functioned, in part, via light-dependent damage to photosystem cores and the production of reactive oxygen species. Within 24-48 h of induction, an easily recognized white phenotype resulted. Microarray analysis showed that the synthetic de-greening initiated a process largely distinct from normal chlorophyll loss in senescence. Remarkably, synthetically de-greened white plants re-greened after removal of the inducer, providing the first easily re-settable reporter system for plants and the capacity to make re-settable biosensors. Our results showed that the de-greening circuit allowed chlorophyll to be employed as a simple but powerful reporter system useful for widespread areas.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».