Influence of Amount of Starting Material for DNA Extraction on Detection of Low-Level Presence of Genetically Engineered Traits
Notice bibliographique
Résumé
Two laboratories independently examined how the amount of starting material influences DNA extraction efficiency and, ultimately, the detection of low-level presence of genetically engineered (GE) traits in commercialized grains. GE traits from one maize, two canola, and two soybean samples were used as prototypical models in the study design as well as two commonly used DNA extraction methods, a small scale (0.1 and 0.2 g samples) and a large scale (1.0 and 2.0 g samples). The DNA samples were fortified (spiked) at 0.1 and 0.01% (w/w) levels. The amount of DNA recovery varied between the two laboratories, although a sufficient amount of DNA was obtained to perform replicate PCR analysis by both laboratories. Reliable detection of all five events was achieved by both laboratories at 0.1% level using either small-scale or large-scale DNA extractions. Reliable detection of the GE events was achieved at 0.01% level for soybean and canola but not for maize. Variability was observed among the two laboratories in terms of the Ct values generated. There was no difference between small-scale and large-scale DNA extraction methods for qualitative PCR detections of all five GE events.
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 | 0,000 | 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 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 ».