Notice bibliographique
Résumé
Trypsin inhibitors (TIs) in soybean are known to have antinutritional effects, reducing protein digestibility and limiting the nutritional value of soy products and animal feeds. To address this long-standing challenge, genome editing tools such as CRISPR/Cas9 have emerged as promising strategies for precisely eliminating undesirable traits such as TIs. This study explores the application of CRISPR/Cas9 to targetedly ablate trypsin inhibitor genes in soybean, specifically those encoding Kunitz and Bowman-Birk inhibitors. We discuss the biological functions and limitations of these inhibitors, outline the mechanisms and recent technical improvements of CRISPR/Cas9, and detail methods for identifying TI gene targets using transcriptomic and proteomic analyses. We also review guide RNA design, translational techniques, and gene editing validation. Functional assessments demonstrated that knockout lines exhibited reduced TI activity, improved protein digestibility, and improved nutritional status, with minimal adverse effects on agronomic traits. A case study demonstrating the successful ablation of the Kunitz trypsin inhibitor gene further demonstrates the utility of this approach. We also explore biosafety concerns, regulatory frameworks, and public perception issues surrounding genome-edited crops. Ultimately, this study highlights the transformative potential of CRISPR/Cas9 for improving the nutritional quality of soybeans and supports future efforts to integrate genome editing into breeding programs to develop high-protein, low-antinutrient varieties.
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 | 0,001 |
| 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 ».