CRISPR/Cas9 gene editing in legume crops: Opportunities and challenges
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 Legumes are an excellent source of proteins and health‐promoting phytochemicals. Recognizing their importance in human nutrition and sustainable agricultural production, significant efforts are currently being made to accelerate genetic gain related to yield, stress resilience, and nutritional quality. Recent increases in genomic resources for multiple legume crops have laid a solid foundation for application of transformative breeding technologies such as genomic selection and genome editing for crop improvement. In this review, we focus on the recent plant‐specific advances in CRISPR/Cas9‐based gene editing technology and discuss the challenges and opportunities to harnessing this innovative technology for targeted improvement of traits in legume crops. Gene‐editing methods have been successfully established for soybean, cowpea, chickpea, and model legumes such as Medicago truncatula and Lotus japonicus . However, the recalcitrance of other legumes to in vitro gene transfer and regeneration has posed a serious challenge to application of gene editing. We discuss various modifications to in vitro culture methods, in terms of the choice of explant, media composition, and DNA delivery and gene‐editing detection methods that can potentially improve the rate of transformation and regeneration of whole plant in legume crops. Although gene‐editing technology can bring enormous benefits to legume breeding, regulatory hurdles are a cause for serious concern. We compare the regulatory environments existing in the European Union and the United States of America. A favorable regulatory framework and public acceptance are important factors in realizing CRISPR's potential benefits to global food security.
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