Genetically modified soybean lines exhibit less transcriptomic variation compared to natural varieties
Notice bibliographique
Résumé
Genetically modified (GM) soybeans provide a huge amount of food for human consumption and animal feed. However, the possibility of unexpected effects of transgenesis has increased food safety concerns. High-throughput sequencing profiling provides a potential approach to directly evaluate unintended effects caused by foreign genes. In this study, we performed transcriptomic analyses to evaluate differentially expressed genes (DEGs) in individual soybean tissues, including cotyledon (C), germ (G), hypocotyl (H), and radicle (R), instead of using the whole seed, from four GM and three non-GM soybean lines. A total of 3,351 DEGs were identified among the three non-GM soybean lines. When the GM lines were compared with their non-GM parents, 1,836 to 4,551 DEGs were identified. Furthermore, Gene Ontology (GO) analysis of the DEGs showed more abundant categories of GO items (199) among non-GM lines than between GM lines and the non-GM natural varieties (166). Results of Kyoto Encyclopedia of Genes and Genomes (KEGG) analysis showed that most KEGG pathways were the same for the two types of comparisons. The study successfully employed RNA sequencing to assess the differences in gene expression among four tissues of seven soybean varieties, and the results suggest that transgenes do not induce massive transcriptomic alterations in transgenic soybeans compared with those that exist among natural varieties. This work offers empirical evidence to investigate the genomic-level disparities induced by genetic modification in soybeans, specifically focusing on seed tissues.
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) | 0,000 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».