MétaCan
Menu
Retour à la cohorte
Enregistrement W3094372258 · doi:10.3389/fgeed.2020.591592

Regulatory Barriers to Innovative Plant Breeding in Canada

2020· article· en· W3094372258 sur OpenAlexaffabout
Stuart J. Smyth, Savannah Gleim, Simona Lubieniechi

Notice bibliographique

RevueFrontiers in Genome Editing · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésScrutinyNoveltyPaceBiotechnologyPlant breedingGenome editingEmerging technologiesPrivate sectorBusinessBiologyEnvironmental resource managementGenomePolitical scienceGeographyComputer scienceEconomicsGeneGenetics

Résumé

récupéré en direct d'OpenAlex

The regulation of plant breeding is gaining increasing scrutiny, particularly as it pertains to the regulation of gene editing and other new breeding technologies. Genome editing is used worldwide in both public and private plant breeding laboratories and there is considerable uncertainty about the ability of regulatory agencies to match the rapid scientific pace being set. This research focuses on Canada, where advances in plant breeding technology are constrained by the boundaries of the regulatory system established in the early 1990's. This research presents the results of a survey of 93 public and private plant breeders and their views on the existing Canadian regulatory framework regarding conventional breeding and genome editing techniques for plants with novel traits (PNTs). The results contribute to the ongoing debate regarding how, or whether, to regulate products of genome-edited plant breeding, beyond the existing agronomic and safety requirements. Plant breeders identify the level of Canadian crop research competitiveness and quantify the impacts of novelty within Canada's regulatory system for PNTs. One significant finding is that PNT regulations in Canada have created an innovation barrier in terms of applying genome editing technologies to the development of new varieties, particularly in public sector research.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,208
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,005
Tête enseignante GPT0,213
Écart entre enseignants0,207 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Genome EditingMême sujetCRISPR and Genetic EngineeringTravaux en français237 207