Applying genetic technologies to combat infectious diseases in aquaculture
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
Disease and parasitism cause major welfare, environmental and economic concerns for global aquaculture. In this review, we examine the status and potential of technologies that exploit genetic variation in host resistance to tackle this problem. We argue that there is an urgent need to improve understanding of the genetic mechanisms involved, leading to the development of tools that can be applied to boost host resistance and reduce the disease burden. We draw on two pressing global disease problems as case studies-sea lice infestations in salmonids and white spot syndrome in shrimp. We review how the latest genetic technologies can be capitalised upon to determine the mechanisms underlying inter- and intra-species variation in pathogen/parasite resistance, and how the derived knowledge could be applied to boost disease resistance using selective breeding, gene editing and/or with targeted feed treatments and vaccines. Gene editing brings novel opportunities, but also implementation and dissemination challenges, and necessitates new protocols to integrate the technology into aquaculture breeding programmes. There is also an ongoing need to minimise risks of disease agents evolving to overcome genetic improvements to host resistance, and insights from epidemiological and evolutionary models of pathogen infestation in wild and cultured host populations are explored. Ethical issues around the different approaches for achieving genetic resistance are discussed. Application of genetic technologies and approaches has potential to improve fundamental knowledge of mechanisms affecting genetic resistance and provide effective pathways for implementation that could lead to more resistant aquaculture stocks, transforming global aquaculture.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle