A "Fisheye" Lens on the Technological Dilemma: The Specter of Genetically Engineered Animals
Notice bibliographique
Résumé
One year ago, the United States Food and Drug Administration (FDA) proposed approval of the first genetically engineered (GE or transgenic) animal for food production—a salmon engineered to grow much faster than normal using genetic material from an ocean pout. Faced with concerns from scientists and the public that these “super” salmon will escape into the wild and be the final blow to wild salmon, proponents crafted a scheme that is half Michael Crichton, half Kurt Vonnegut: The engineered salmon eggs will begin life in a lab on a frozen Canadian island, then be airlifted to a guarded Panamanian fortress, where they will grow in inland tanks. After the fish reach maturity, the company will ship them back to the U.S. and sell them in grocery stores, likely without any labeling. Unfortunately, this is not a bad science fiction novel. How did we get to this juncture, the brink of this approval? This Essay is a snapshot of GE animals through the lens of the first one proposed for commercial approval. Part I discusses AquaBounty’s “AquAdvantage” GE salmon, with a focus on the environmental risks it poses. Part II looks behind the camera, explaining the philosophy that has fostered the emergence of engineered animals for industrial food production. Part III provides an overview of genetic engineering and transgenic animals. Part IV summarizes health, environmental, and animal welfare concerns. Part V explains what the lessons of agricultural biotechnology portend for animal biotechnology. Part VI discusses FDA’s problematic regulatory pathway. This Essay concludes by returning to underlying principles.
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 ».