GENETIC TRANSFORMATION IN AGRICULTURE: THE REAL CHANCE FOR ENSURING WORLDWIDE SUSTAINABLE FOOD SECURITY
Notice bibliographique
Résumé
Obtaining genetically modified (GM) organisms, with superior biological and productive performances, represents the priority objective of modern applied genetics research, oriented towards the development of effective procedures for increasing genetic variability, according to the requirements of breeding programs of economically interesting species. GM crops can contribute essentially to the millennium development goal, that of reducing poverty and increasing food security, by optimizing agricultural productivity. GM plants have improved traits that include herbicide tolerance, disease and pest resistance, drought tolerance, health or nutritional benefits, a longer shelf life, or a more efficient industrial use. Also, the GM crops contribute to sustainable environmental protection by reduction of the pesticides application amount and reduction of CO2 emissions. In this context, the aim of the present paper is the worldwide brief radiography of transgenesis, in terms of surfaces, the main producing countries, but also of the main GM crops and their market. The research method consisted in selecting of several scientific results from the WOS, Clarivate Analytics, Scopus and Springer databases. Also, were accessed several statistical data of the ISAAA, USDA, Research and Market, MADR, etc. The main producing countries of GM crops are USA, Brazil, Argentina, Canada, India, Paraguay and China. The largest GM areas are occupied by soybean, maize, cotton, canola and alfalfa. The global agricultural biotechnology market for transgenic crops is expected to reach 12.07 billion USD in 2026, growing by 18.2% compared with 2021. Genetic transformation and GM agricultural crops represent an effective strategy and real chance to counteract climate change and food insecurity, and recently developed genetic engineering techniques will play an important role 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 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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».