Gene-editing technologies for developing climate resilient rice crops in sub-Saharan Africa: Political priorities and space for responsible innovation
Notice bibliographique
Résumé
Over the last 2 decades, rice has become one of the most important staple crops for sub-Saharan Africa. Estimates show that average consumption of rice has tripled over the last 3 decades, from 9.2 million metric tons (Mt) in the early 1990s to 31.5 million Mt in 2018, with West and Central Africa accounting for nearly two-thirds of this share. The demand for rice, however, has placed an enormous economic burden on African countries, whereby they spent over USD 5.5 billion per year on rice imports over the past few years. To address this challenge, over 32 countries have established National Rice Development Strategies to increase local production and to achieve rice self-sufficiency. Several of these countries have shown policy interest to use modern biotechnological advancements, including gene editing, to ensure increases in rice productivity and reduce food imports, in the context of extreme climate vulnerability and acceleration of the effects of biotic and abiotic stresses. This review article examines the role of biotechnology in African countries’ efforts to achieve rice self-sufficiency, particularly the potential for genome-editing technologies toward the genetic improvement of rice and to Africa’s nascent research programs. This article notes that while gene editing offers important advances in crop breeding, like genetic engineering, it faces some persistent sociopolitical challenges and low societal acceptability. As such, international partnerships advancing genome editing in Africa’s rice-subsectors development could benefit from adopting key principles from “responsible research and innovation” to help these projects achieve their potential, while bringing about more inclusive and reflexive processes that strive to anticipate the benefits and limits associated with new biotechnologies as they relate to local contexts. Such an approach could create the necessary political space to test and assess the benefits (and risks) related to adopting gene-editing technologies in Africa’s rice sectors.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».