Effect of Amount of DNA on Digital PCR Assessment of Genetically Engineered Canola and Soybean Events
Notice bibliographique
Résumé
Abstract Low-level detection and quantification of genetically engineered (GE) traits with polymerase chain reaction (PCR) is challenging. For unapproved GE events, any level of detection is not acceptable in some countries because of zero tolerance. Droplet digital PCR (ddPCR) has been successfully used for absolute quantification of GE events. In this study, reliability of low level quantification of GE events with ddPCR was assessed using a total of 50, 100, 200, 400, and 600 ng DNA spiked at 0.01% and 0.1% concentration levels. Genetically engineered canola (GT73 and MON88302 events) and soybean (A2704-12 and DP305423 events) events were used for the study. For samples spiked at 0.1% level, reliable quantification was achieved for the four GE events using 50 or 100 ng DNA. Few target droplets were generated for 0.01% spiked GE samples using 50 and 100 ng DNA. Increasing the amount of DNA for ddPCR generated more number of target droplets. For GE canola events, the use of 400 and 600 ng DNA for ddPCR resulted in saturation. The use of multiple wells of 200 ng DNA (instead of 400 and 600 ng per well) helped to overcome the saturation problem. Overall, the use of high amount of DNA for ddPCR was helpful for the detection and quantification of 0.01% GE samples.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».