Bioengineering nitrogen acquisition in rice: can novel initiatives in rice genomics and physiology contribute to global food security?
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
Rice is the most important crop species on earth, providing staple food for 70% of the world's human population. Over the past four decades, successes in classical breeding, fertilization, pest control, irrigation and expansion of arable land have massively increased global rice production, enabling crop scientists and farmers to stave off anticipated famines. If current projections for human population growth are correct, however, present rice yields will be insufficient within a few years. Rice yields will have to increase by an estimated 60% in the next 30 years, or global food security will be in danger. The classical methods of previous green revolutions alone will probably not be able to meet this challenge, without being coupled to recombinant DNA technology. Here, we focus on the promise of these modern technologies in the area of nitrogen acquisition in rice, recognizing that nitrogen deficiency compromises the realization of rice yield potential in the field more than any other single factor. We summarize rice-specific advances in four key areas of research: (1). nitrogen fixation, (2). primary nitrogen acquisition, (3). manipulations of internal nitrogen metabolism, and (4). interactions between nitrogen and photosynthesis. We develop a model for future plant breeding possibilities, pointing out the importance of coming to terms with the complex interactions among the physiological components under manipulation, in the context of ensuring proper targeting of intellectual and financial resources in this crucial area of research.
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