MétaCan
Menu
Retour à la cohorte
Enregistrement W3163881816 · doi:10.1002/leg3.96

CRISPR/Cas9 gene editing in legume crops: Opportunities and challenges

2021· article· en· W3163881816 sur OpenAlexaff
Pankaj Bhowmik, David Konkin, Patricia L. Polowick, Connor L. Hodgins, Maya Subedi, Daoquan Xiang, Bianyun Yu, N. A. Patterson, Nandhakishore Rajagopalan, Vivijan Babic, Dae‐Kyun Ro, Bunyamin Tar’an, Manjula Bandara, Stuart J. Smyth, Yuhai Cui, Sateesh Kagale

Notice bibliographique

RevueLegume Science · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensAlberta Ministry of Agriculture and ForestryAgriculture Food and Rural DevelopmentAgriculture and Agri-Food CanadaSaskatchewan Research Council (Canada)University of SaskatchewanUniversity of CalgaryNational Research Council Canada
Organismes subventionnairesSociety of Pediatric Psychology
Mots-clésGenome editingMedicago truncatulaCRISPRBiotechnologyBiologyCas9Food securityLegumeGeneAgricultureGeneticsAgronomyEcologySymbiosis

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,036
Tête enseignante GPT0,305
Écart entre enseignants0,269 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations103
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLegume ScienceMême sujetCRISPR and Genetic EngineeringTravaux en français237 207