Validating a predictive model of cannabinoid inheritance with feral, clinical, and industrial <i>Cannabis sativa</i>
Notice bibliographique
Résumé
PREMISE: How genetic variation within a species affects phytochemical composition is a fundamental question in botany. The ratio of two specialized metabolites in Cannabis sativa, tetrahydrocannabinol (THC) and cannabidiol (CBD), can be grouped into three main classes (THC-type, CBD-type, and intermediate type). We tested a genetic model associating these three groups with functional and nonfunctional alleles of the cannabidiolic acid synthase gene (CBDAS). METHODS: We characterized cannabinoid content and assayed CBDAS genotypes of >300 feral C. sativa plants in Minnesota, United States. We performed a test cross to assess CBDAS inheritance. Twenty clinical cultivars obtained blindly from the National Institute on Drug Abuse and 12 Canadian-certified grain cultivars were also examined. RESULTS: Frequencies of CBD-type, intermediate-type, and THC-type feral plants were 0.88, 0.11, and 0.01, respectively. Although total cannabinoid content varied substantially, the three groupings were perfectly correlated with CBDAS genotypes. Genotype frequencies observed in the test cross were consistent with codominant Mendelian inheritance of the THC:CBD ratio. Despite significant mean differences in total cannabinoid content, CBDAS genotypes blindly predicted the THC:CBD ratio among clinical cultivars, and the same was true for industrial grain cultivars when plants exhibited >0.5% total cannabinoid content. CONCLUSIONS: Our results extend the generality of the inheritance model for THC:CBD to diverse C. sativa accessions and demonstrate that CBDAS genotyping can predict the ratio in a variety of practical applications. Cannabinoid profiles and associated CBDAS segregation patterns suggest that feral C. sativa populations are potentially valuable experimental systems and sources of germplasm.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».