Broadening the GMO risk assessment in the EU for genome editing technologies in agriculture
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.
Notice bibliographique
Résumé
Abstract Genome editing techniques, especially the CRISPR/Cas technology, increase the possibilities and the speed of altering genetic material in organisms. So-called genome editing is increasingly being used to achieve agriculturally relevant novel traits and/or genetic combinations in both plants and animals, although predominantly as proof of concept studies, with commercial growing or rearing so far limited to the U.S. and Canada. However, there are numerous reports of unintended effects such as off-target effects, unintended on-target effects and other unintended consequences arising from genome editing, summarised under the term genomic irregularities. Despite this, the searching for genomic irregularities is far from routine in these studies and protocols vary widely, particularly for off-target effects, leading to differences in the efficacy of detection of off-target effects. Here, we describe the range of specific unintended effects associated with genome editing. We examine the considerable possibilities to change the genome of plants and animals with SDN-1 and SDN-2 genome editing (i.e. without the insertion of genes conferring the novel trait) and show that genome editing techniques are able to produce a broad spectrum of novel traits that, thus far, were not possible to be obtained using conventional breeding techniques. We consider that the current EU risk assessment guidance for GMOs requires revision and broadening to capture all potential genomic irregularities arising from genome editing and suggest additional tools to assist the risk assessment of genome-edited plants and animals for the environment and food/animal feed in the EU.
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 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 découle