CRISPRCas9-Mediated Knockout of Drought-Sensitive Genes Improves Maize Tolerance
Notice bibliographique
Résumé
Maize ( Zea mays L.) plays a crucial role in ensuring global food security, yet its productivity is severely threatened by recurrent drought stress in many regions. Conventional breeding approaches have achieved limited success in improving drought resilience due to the complex and polygenic nature of drought tolerance. In this study, we explore the application of CRISPR/Cas9 genome editing technology as a precise and efficient strategy for enhancing drought tolerance in maize. By reviewing recent advances, we identified key drought-sensitive genes such as ZmNAC111 , ZmPP2C-A10 , and ZmDREB2A , which were targeted for knockout using various transformation techniques including Agrobacterium-mediated and biolistic methods. Functional validation and field evaluations of CRISPR-edited maize lines demonstrated significant improvements in physiological and agronomic traits under drought conditions, including enhanced root development, reduced stomatal conductance, better water retention, and higher yield stability compared to wild-type plants. The findings highlight that gene knockouts effectively mitigate drought-induced physiological stress and optimize water use efficiency. Although challenges remain regarding off-target effects, regulatory frameworks, and public acceptance, CRISPR/Cas9 offers a transformative platform for integrating molecular precision with traditional breeding. This study underscores the potential of genome editing in developing drought-resilient maize varieties and anticipates future advancements through multiplex editing and next-generation CRISPR technologies.
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 | 0,000 |
| 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) | 0,001 | 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 ».