Low level presence of unapproved biotech materials: Current status and capability of DNA-based detection methods
Notice bibliographique
Résumé
Demeke, T. and Perry, D. J. 2014. Low level presence of unapproved biotech materials: Current status and capability of DNA-based detection methods. Can. J. Plant Sci. 94: 497–507. In agricultural biotechnology, low level presence (LLP) of recombinant DNA plant material is defined as the unintended presence of trace levels of a specific genetically engineered (GE) or biotechnology-derived material which in most instances has been authorized for use as food or feed in at least one country. Asynchronous authorizations of GE products have prompted testing for the GE content in an assortment of agricultural products for the purpose of facilitating international grain trade. Low level presence of some unauthorized GE materials identified in non-GE grains, oilseeds and food stuffs has negatively impacted grain trade. Other factors contributing to a negative impact on grain trade due to LLP of GE material include zero tolerance policies and slow regulatory approval processes for some countries. This element alone heightens the need for accurate, reliable and cost-effective detection methods. As the number of biotech events increases, the challenge of handling LLP of unapproved GE materials poses an even greater challenge. Polymerase chain reaction (PCR) is widely used for detection and quantification of GE events. Accuracy of PCR-based testing of GE events is affected by variation in sampling, sample preparation and various confounders associated with testing methods. Challenges when using PCR detection and quantification methods for the detection of LLP of GE events are the focus of this review as well as background information and recent examples of occurrence and suggestions to mitigate LLP as it relates to GE materials in grain trade.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 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 ».