Optimization of the Genetic Transformation System of Lettuce
Notice bibliographique
Résumé
Lettuce (Lactuca sativa L.) is an annual vegetable crop of the family Asteraceae. It is the most consumed leaf vegetable in the world and is highly valued for its edible and medicinal value. Using transgenic technology, introducing functional genes into plants can shorten the breeding time and improve the quality of lettuce. However, in the genetic transformation of lettuce, the application of transgenic technology is limited by the low conversion rate. In this experiment, using ‘S39’ cotyledons as the test material, to establish a stable genetic transformation system. The results showed that when the leaf regeneration medium was 0.01 mg/L 6-BA and 0.4 mg/L NAA, the highest regeneration rate reached 97.9%, which was the best leaf regeneration hormone concentration. When the infection fluid was used in the OD600 value of 0.2, the infected leaves were in good condition and controllable Agrobacterium was the most suitable infection fluid concentration. When the infection time was 15 min, the infection effect was the best, the leaves grew well, and the resistant plants could grow. The screening in a medium containing 30 mg/L of Kana concentration and 250 mg/L of Cef was the suitable medium formulation. NAA 0.1 mg /L and 6-BA 0.2 mg /L were selected as the optimal concentrations in the rooting medium.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».