A roadmap for research on crassulacean acid metabolism (<scp>CAM</scp>) to enhance sustainable food and bioenergy production in a hotter, drier world
Notice bibliographique
Résumé
Crassulacean acid metabolism (CAM) is a specialized mode of photosynthesis that features nocturnal CO2 uptake, facilitates increased water-use efficiency (WUE), and enables CAM plants to inhabit water-limited environments such as semi-arid deserts or seasonally dry forests. Human population growth and global climate change now present challenges for agricultural production systems to increase food, feed, forage, fiber, and fuel production. One approach to meet these challenges is to increase reliance on CAM crops, such as Agave and Opuntia, for biomass production on semi-arid, abandoned, marginal, or degraded agricultural lands. Major research efforts are now underway to assess the productivity of CAM crop species and to harness the WUE of CAM by engineering this pathway into existing food, feed, and bioenergy crops. An improved understanding of CAM has potential for high returns on research investment. To exploit the potential of CAM crops and CAM bioengineering, it will be necessary to elucidate the evolution, genomic features, and regulatory mechanisms of CAM. Field trials and predictive models will be required to assess the productivity of CAM crops, while new synthetic biology approaches need to be developed for CAM engineering. Infrastructure will be needed for CAM model systems, field trials, mutant collections, and data management.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,006 |
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 ».