Metabolic profiling of maize seeds with both insect- and herbicide-resistance genes (cry1Ab and epsps), dual herbicide-resistance genes (epsps and pat), and natural genotypic varieties
Notice bibliographique
Résumé
Abstract Background Widely targeted metabolomics was applied to estimate the differences in the metabolite profiles of maize seeds from 3 natural genotypic varieties and 4 genetically modified (GM) lines. Results Pairwise comparison with their isogenic controls revealed 71, 121, 43 and 95 differentially accumulated metabolites (DAMs) in GM maize seeds of C0030.2.4, C0030.3.5, C0010.1.1 and C0010.3.1, respectively. KEGG pathway enrichment analysis showed that most of these DAMs participated in the biosynthesis of secondary metabolites and purine metabolism in GM maize C0030.2.4 and C0030.3.5, but participated in tryptophan metabolism and 2-oxocarboxylic acid metabolism in C0010.3.1 seeds and in metabolic pathways and the biosynthesis of secondary metabolites in C0010.1.1 seeds. The data also showed that the differences in metabolite accumulation, both total DAMs and co-DAMs, among the different natural genotypic varieties (418 DAMs and 39 co-DAMs) were greater than those caused by genetic modification (330 DAMs and 3 co-DAMs). Conclusions None of the DAMs were identified as new or unintended, showing only changes in abundance in the studied maize seeds. The metabolite profile differences among the 3 non-GM lines were more notable than those among GM lines. Different genetic backgrounds affect metabolite profiling more than gene modification itself. Graphic abstract
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».