Genetic Mechanism of Cassava Disease Resistance: From Traditional Breeding to CRISPR/Cas Application
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The escalating threat of plant diseases to cassava ( Manihot esculenta ) production necessitates innovative strategies for developing disease-resistant varieties. Traditional breeding has been instrumental in enhancing cassava's resistance to various pathogens, but it is often limited by the complexity of genetic traits and the lengthy timeframes required. The advent of CRISPR/Cas genome editing technology has revolutionized the field of plant breeding by enabling precise modifications of plant genomes. This systematic review provides a comprehensive analysis of the genetic mechanisms underlying cassava disease resistance and the transition from conventional breeding techniques to the cutting-edge CRISPR/Cas applications. We examine the current state of knowledge on plant-pathogen interactions in cassava and discuss how CRISPR/Cas-mediated genome editing has been employed to disrupt these interactions by targeting susceptibility factors within the plant genome. Furthermore, we explore the advancements in genome editing tools, such as base editing and prime editing, that have broadened the scope of generating disease-resistant cassava varieties. The review also highlights the potential of CRISPR/Cas9 in enhancing disease resistance through multiplexed gene editing and trait stacking, which is particularly relevant for complex traits like disease resistance. By synthesizing insights from recent developments in CRISPR/Cas applications across various crops, we aim to provide a roadmap for future research and the development of cassava varieties with improved resistance to a spectrum of diseases, thereby contributing to global food security.
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.
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 | 0,000 |
| 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 | 0,000 | 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 découle