Diversity of transgene integration and gene-editing events in wheat (Triticum aestivum L.) transgenic plants generated using Agrobacterium-mediated transformation
Notice bibliographique
Résumé
Improvement in agronomic traits in crops through gene editing (GE) relies on efficient transformation protocols for delivering the CRISPR/Cas9-coded transgenes. Recently, a few embryogenesis-related genes have been described, the co-delivery of which significantly increases the transformation efficiency with reduced genotype-dependency. Here, we characterized the transgenic and GE events in wheat (cv. Fielder) when transformed with GROWTH-REGULATING FACTOR 4 ( GRF4 ) and its cofactor GRF-INTERACTING FACTOR 1 ( GIF1 ) chimeric gene. Transformation efficiency in our experiments ranged from 22% to 68%, and the editing events were faithfully propagated into the following generation. Both low- and high-copy-number integration events were recovered in the T 0 population with various levels of integrity of the left and right T-DNA borders. We also generated a population of wheat plants with 10 different gRNAs targeting 30 loci in the genome. A comparison of the epigenetic profiles at the target sites and editing efficiency revealed a significant positive correlation between chromatin accessibility and mutagenesis rate. Overall, the preliminary screening of transgene quality and GE events in the T 0 population of plants regenerated through the co-delivery of GRF–GIF can allow for the propagation of the best candidates for further phenotypic analysis.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».