Foreign DNA detection in genome-edited potatoes by high-throughput sequencing
Notice bibliographique
Résumé
Genome editing is a powerful breeding technique that introduces mutations into specific gene sequences in genomes. For genome editing in higher plants, nucleotides for artificial nuclease (e.g. TALEN or CRISPR-Cas9) are transiently or stably introduced into the plant cells. After the introduction of mutations by artificial nucleases, it is necessary to select lines that do not contain the foreign nucleotides to overcome GMO regulation; however, there is still no widely legally authorized and approved method for detecting foreign genes in genome-edited crops. Recently, k-mer analysis based on next-generation sequencing (NGS) was proposed as a new method for detecting foreign DNA in genome-edited agricultural products. Compared to conventional methods, such as PCR and Southern hybridization, in principle, this method can detect short DNA fragments with high accuracy. However, this method has not yet been applied to genome-edited potatoes. In this study, we evaluated the feasibility of k-mer analysis in tetraploid potatoes by computer simulation, and also evaluated whether the k-mer method can detect foreign genes with high accuracy by analyzing samples of genome-edited potatoes. We show that when NGS data (at a depth of × 30 the genome size) are used, the k-mer method can correctly detect foreign genes in the potato genome even with the insertion of DNA fragments of 20 nt in length. Based on these findings, we expect that k-mer analysis will be one of the main methods for detecting foreign genes in genome-edited potatoes.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 | 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 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 ».