MétaCan
Menu
Retour à la cohorte
Enregistrement W4415513543 · doi:10.5376/tgg.2025.16.0008

CRISPR/Cas9-Mediated Editing of <i>TaGW2</i> to Enhance Grain Size in Wheat

2025· article· W4415513543 sur OpenAlexvenueno aff
X. T. Feng

Notice bibliographique

RevueTriticeae Genomics and Genetics · 2025
Typearticle
Langue
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGrain yieldMutantCropWheat grainGenome editingGenePlant breedingCrop yield

Résumé

récupéré en direct d'OpenAlex

Wheat ( Triticum aestivum ) is a major food crop in the world, and its grain weight is one of the important traits that determine its yield. The TaGW2 gene is widely considered to be a key negative regulator of wheat grain size. With the development of CRISPR/Cas9 gene editing technology, targeted modification of the TaGW2 gene has become an important molecular breeding strategy for improving wheat grain weight. In this study, the structural characteristics and expression patterns of the TaGW2 gene were systematically analyzed, an efficient CRISPR/Cas9 editing system was designed, mutant materials were constructed, and their grain phenotypes were deeply evaluated. The study showed that the TaGW2 knockout mutant showed significant improvements in grain length, grain width, and 1000-grain weight, and had no adverse effects on plant height and growth period. This study collected and summarized actual editing cases from multiple authoritative institutions such as the Chinese Academy of Agricultural Sciences, CSIRO in Australia, and Nagoya University in Japan, verifying the wide applicability and breeding potential of TaGW2 editing in different genetic backgrounds. In this study, CRISPR/Cas9 technology was used to precisely edit the wheat TaGW2 gene in order to enhance the length, width, and 1000-grain weight of the grain, thereby improving the yield potential of wheat.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,219
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,282
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTriticeae Genomics and GeneticsMême sujetCRISPR and Genetic EngineeringTravaux en français237 207