First the seed: Genomic advances in seed science for improved crop productivity and food security
Notice bibliographique
Résumé
Abstract Seeds are valuable sources of carbohydrates, lipids, proteins, fibers, minerals, and vitamins. They provide energy and nutrition to germinating seedlings, food to humans, feed to livestock, and feedstocks to industry. High‐throughput analyses of gene expression in crops has identified many candidate genes associated with seed dormancy, longevity, germination, and vigor. In this review, we cover the latest research focusing on such key seed traits. Transcriptome analyses of time courses of seed filling have identified sets of genes expressed at different stages of this process. The potential role of epigenetics (including seed–endosperm imprinted genes) in regulating seed development and chemistry is highlighted herein. We also discuss how advances in genomics and seed biology are facilitating the unravelling of associations between seed traits with gene bank accessions and gene sequences, including how functional research can accelerate the discovery of allelic variants. Such knowledge of functional effects relating to gene variants is necessary for more efficient and cost‐effective management of genetic resources or for redesigning crops with specific seed characteristics. For instance, gene bank curators may assess seed viability by monitoring changes in gene expression of biomarker genes in dry seed samples to decide germplasm regeneration and assess genetic integrity of collections by monitoring changes in diversity and allele frequencies between samples of same accession stored in gene banks. We highlight that resistance to preharvest sprouting can be enhanced through genomics‐assisted breeding in otherwise nondormant rice ( Oryza sativa L.) and wheat ( Triticum aestivum L.) cultivars, while pimt , another valuable marker for seed longevity, may be deployed to enhance seed vigor in crops.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».