Multiplex‐genome‐editing based rapid directional improvement of complex traits in rice
Notice bibliographique
Résumé
Although thousands of genes have been identified or cloned in rice (Oryza sativa) in the last two decades, the majority of them have only been separately characterized in specific varieties or single-gene modified backgrounds, thus limiting their practical application. We developed an optimized multiplex genome editing (MGE) toolbox that can efficiently assemble and stably express up to twelve sgRNA targets in a single plant expression vector. In this study, we established the MGE-based Rapid Directional Improvement (MRDI) strategy for directional improvement of complex agronomic traits in one small-scale rice transformation. This approach provides a rapid and practical procedure, encompassing sgRNA assembly, transgene-free screening and the creation of promising germplasm, by combining the precision of gene editing with phenotype-based field breeding. The MRDI strategy was used to generate the full diversity of twelve main agronomic genes in rice cultivar FXZ for the directional improvement of its growth duration and plant architecture. After applying the MRDI to FXZ, ideal plants with the desired traits of early heading date reduced plant height, and more effective panicles were generated without compromising yield, blast resistance and grain quality. Furthermore, the results of whole-genome sequencing (WGS), including the analysis of structural variations (SVs) and single nucleotide variations (SNVs) in the MGE plants, confirmed the high specificity and low frequency of unwanted mutations associated with this strategy. The MRDI breeding strategy would be a robust approach for exploring and applying crucial agronomic genes, as well as for generating novel elite germplasm in the future.
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 | 0,000 |
| 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 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 ».