MétaCan
Menu
Retour à la cohorte
Enregistrement W2299419053 · doi:10.1093/jxb/erw076

Manipulating photorespiration to increase plant productivity: recent advances and perspectives for crop improvement

2016· review· en· W2299419053 sur OpenAlexaff
Marco Betti, Hermann Bauwe, Florian A. Busch, Alisdair R. Fernie, Olivier Keech, Myles Levey, Donald R. Ort, M. A. J. Parry, Rowan F. Sage, Stefan Timm, Berkley J. Walker, Andreas P.M. Weber

Notice bibliographique

RevueJournal of Experimental Botany · 2016
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePhotosynthetic Processes and Mechanisms
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Environment Research CouncilMinisterio de Economía y Competitividad
Mots-clésPhotorespirationBiochemical engineeringProductivityMetabolic engineeringBiomass (ecology)PhotosynthesisRuBisCOEnvironmental scienceChemistryBiologyAgronomyBotanyEngineeringBiochemistry

Résumé

récupéré en direct d'OpenAlex

Recycling of the 2-phosphoglycolate generated by the oxygenase reaction of Rubisco requires a complex and energy-consuming set of reactions collectively known as the photorespiratory cycle. Several approaches aimed at reducing the rates of photorespiratory energy or carbon loss have been proposed, based either on screening for natural variation or by means of genetic engineering. Recent work indicates that plant yield can be substantially improved by the alteration of photorespiratory fluxes or by engineering artificial bypasses to photorespiration. However, there is also evidence indicating that, under certain environmental and/or nutritional conditions, reduced photorespiratory capacity may be detrimental to plant performance. Here we summarize recent advances obtained in photorespiratory engineering and discuss prospects for these advances to be transferred to major crops to help address the globally increasing demand for food and biomass production.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,035
Tête enseignante GPT0,334
Écart entre enseignants0,298 · 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
GenreSynthèse

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

En bref

Citations155
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Experimental BotanyMême sujetPhotosynthetic Processes and MechanismsTravaux en français237 207