MétaCan
Menu
Retour à la cohorte
Enregistrement W2890078571 · doi:10.18331/brj2018.5.3.3

Fueling the future; plant genetic engineering for sustainable biodiesel production

2018· article· en· W2890078571 sur OpenAlex
Gholamreza Salehi Jouzani, Reza Sharafi, Saeed Soheilivand

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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueBiofuel Research Journal · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueLipid metabolism and biosynthesis
Établissements canadiensnon disponible
Organismes subventionnairesAgricultural Biotechnology Research Institute of Iran
Mots-clésBiodieselThioesteraseMetabolic engineeringBiochemistryBiodiesel productionBiotechnologyBiologyGeneFood scienceBiosynthesis

Résumé

récupéré en direct d'OpenAlex

Biodiesel has huge potentials as a green and technologically feasible alternative to fossil diesel. However, biodiesel production from edible oil crops has been widely criticized while nonedible oil plants are associated with some serious disadvantages, such as high cost, low oil yield, and unsuitable oil composition. The next generation sequencing (NGS), omics technologies, and genetic engineering have opened new paths toward achieving high performance-oil plants varieties for commercial biodiesel production. The intent of the present review paper is to review and critically discuss the recent genetic and metabolic engineering strategies developed to overcome the shortcoming faced in nonedible plants, including Jatropha curcas and Camelina sativa, as emerging platforms for biodiesel production. These strategies have been looked into three different categories. Through the first strategy aimed at enhancing oil content, the key genes involved in triacylglycerols (TAGs) biosynthesis pathway (e.g., diacylglycerol acyltransferase (DGAT), acetyl-CoA carboxylase (ACCase), and glycerol‐3‐phosphate dehydrogenase (GPD1)), genes affecting seed size and plant growth (e.g., transcription factors (WRI1), auxin response factor 19 (ARF19), leafy cotyledon1 (LEC1), purple acid phosphatase 2 (PAP2), G-protein c subunit 3 (AGG3), and flowering locus T (FT)), as well as genes involved in TAGs degradation (e.g., sugar-dependent protein 1 triacylglycerol lipase (SDP1)) have been deliberated. While through the second strategy targeting enhanced oil composition, suppression of the genes involved in the biosynthesis of linoleic acids (e.g., fatty acid desaturase (FAD2), fatty acid elongase (FAE1), acyl-ACP thioesterase (FATB), and ketoacyl-ACP synthase II (KASII)), suppression of the genes encoding toxic metabolites (curcin precursor and casbene synthase (JcCASA)), and finally, engineering the genes responsible for the production of unusual TAGs (e.g., Acetyl-TAGs and hydroxylated fatty acids (HFA)) have been debated. In addition to those, enhancing tolerance to biotic (pest and disease) and abiotic (drought, salinity, freezing, and heavy metals) stresses as another important genetic engineering strategy to facilitate the cultivation of nonedible oil plants under conditions unsuitable for food crops has been addressed. Finally, the challenges faced prior to successful commercialization of the resultant GM oil plants such have been presented.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,647
Score d'incertitude au seuil0,720

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,304
Écart entre enseignants0,277 · 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