Using the GENESYS model quantifying the effect of cropping systems on gene escape from GM rape varieties to evaluate and design cropping systems
Notice bibliographique
Résumé
\n\t\t\t\tGene flow in rapeseed is a process taking place both in space and over the years and cannot be studied exclusively by field trials. Consequently, the GENESYS model was developed to quantify the effects of cropping systems on transgene escape from rapeseed crops to rapeseed volunteers in neighbour plots and in the subsequent crops. In the present work, this model was used to evaluate the risk of rape harvest contamination by extraneous genes in various farming systems in case of co-existing GM, conventional and organic crops. When 50 % of the rape varieties in the region were transgenic, the rate of GM seeds in non-GM crop harvests on farms with large fields was lower than the 0.9 % purity threshold proposed by the EC for rape crop production (food and feed) harvests, but on farms with smaller fields, the threshold was exceeded. Harvest impurity increased in organic farms, mainly because of their small field size. The model was then used to evaluate the consequences of changes in farming practices and to identify those changes reducing harvest contamination. The effects of these changes depended on the field pattern and farming system. The most efficient practices in limiting harvest impurity comprised improved set-aside management by sowing a cover crop in spring on all set-aside fields in the region, permanently banning rape crops and set-aside around seed production fields and (for non-GM farmers) clustering farm fields to reduce gene inflow from neighbour fields.\n\t\t\t
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 | 0,000 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».