Identifying the repellent genes in Cannabis (C. sativa) through CRISPR screening. The hidden use of Marijuana
Notice bibliographique
Résumé
Chemical pesticides have caused numerous deaths of people, animals, and plants. As a result, alternative pesticides which are health beneficial and ecological are needed. Cannabis sativa, known for its psychoactive effects, can be the solution to this problem. It has excellent repellent characteristics as seen through its use as a companion plant, as well as in-vitro studies. However it has its drawbacks due its controversial nature and lack of research. To solve this problem, our paper aims to locate the non-vital genes in C.sativa that cause its repellent effects (R-genes) through CRISPR screening. To optimally identify the R-genes, the random knocked out genes of C.sativa were compared to the percentage of alive root-knot nematodes (M.incognita) in the plant’s soil. In our experiment, four plants were established per sample: Plant A which is a normal Cannabis sativa, Plant B which is a normal Cannabis sativa being infected by M.incognita, Plant C which is a genetically modified Cannabis sativa, and Plant D which is the same as Plant C except it is being infected by M.incognita. Then the percentage of alive nematodes will be compared in Plant B and D to identify the R genes. The discovery of R-genes is important as it can be used to discover a new class of repellent molecules. They can also be inserted into crops or household plants, giving them Cannabis sativa’s repellent effects, and benefiting agricultural and health fields.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».