生物技术涵盖各种技术,使科学家能够操纵农作物的基因组成以获得所需的特性。例如,基因工程可以将特定基因引入植物,赋予植物抗虫、抗除草剂和改善营养成分等特性。分子标记通过标记辅助育种帮助选择所需特性,使育种者能够根据特定 DNA 序列的存在与否做出明智的决定。基因组编辑技术(例如 CRISPR-Cas9)提供了精确而有效的工具来修改植物基因组中的特定基因,为作物改良开辟了新的可能性 [2]。
生物技术和基因工程已经通过使特定基因的转移使所需特征从一种生物体转移到另一种生物,从而彻底改变了作物的改善。这种方法通常称为遗传修饰,导致了基因修饰的生物(GMO)的发展,具有改善的性状,例如害虫耐药性和增加的营养价值。尽管有潜在的好处,但由于担心其安全性和环境影响,转基因生物仍然是公众辩论的话题。作物改进的另一个关键方面是使用先进技术,例如高通量测序和精确育种,以分析和选择分子水平上的有益特征。这种方法允许科学家加速育种过程,并开发有针对性改进的作物。
微量营养素缺乏症对发展中国家的人类构成了严重威胁,因为发展中国家的人口主要依赖缺乏多样性和微量营养素的谷物类饮食。除了主要谷物之外,小米还是居住在南亚和撒哈拉以南非洲旱地热带和干旱多发地区的人们的主要能量、蛋白质、维生素和矿物质来源。小米是一种多用途作物,具有几个显著的特性,包括耐非生物胁迫、适应多样化的农业生态、在贫瘠土壤中产量更高以及营养丰富。考虑到小米在增强小农户能力、适应气候变化和转变农业粮食体系方面的潜力,联合国已宣布 2023 年为国际小米年。在这篇评论中,我们重点介绍了最近的遗传和基因组创新,这些创新可用于提高小米的谷物微量营养素密度。我们总结了高通量表型分析在准确测量谷物中微量营养素含量方面取得的进展。我们阐明了全球现有小米种质资源集合的遗传多样性,可以利用这些遗传多样性开发营养密集型和高产品种,以解决粮食和营养安全问题。此外,我们描述了基因组学、蛋白质组学、代谢组学和表型组学领域的进展,重点是提高谷物的营养含量,以设计未来具有竞争力的生物强化品种。考虑到谷物内部的密切遗传相关性,未来的研究应侧重于确定小米营养特征的遗传和基因组基础,并通过综合组学方法将其渗入主要谷物中。基因组编辑工具箱的最新突破对于小米生物强化的主流化至关重要。
1 Sivas科学技术大学农业科学和技术教职员工,Sivas,Türkiye,Türkiye,2田间作物系,农业学院,Çukurova大学,ÇukurovaUniversity,Adana,Türkiye,Türkiye,东部3号东部的Meditererranean农业研究所研究所,国际贸易研究所,国际工艺研究所 Tropics, Hyderabad, Telangana, India, 5 Plant Stress Tolerance Laboratory, Department of Biotechnology, University of the Western Cape, Bellville, South Africa, 6 DSI-NRF Centre of Excellence in Food Security, University of the Western Cape, Bellville, South Africa, 7 Department of Plant Resources and Environment, Jeju National University, Jeju, Republic of Korea, 8 Advanced Engineering School (Agrobiotek), Tomsk State大学,俄罗斯汤姆斯克大学,9kır的ehir ahi evran Universitesi ziraat fakultesi tarla tarla bitkileri bolumu,kır的埃希尔,türkiye,10次摩托大学园艺研究所,jeju national University,Jeju National University,Jeju National University,Jeju jeju,jeju,jeju
≈20m 2植物可以提供O 2并删除一个人(1)≈5m 2植物可以为1人(1)≈50m 2的植物(农作物)提供足够的水(冷凝蒸发)(缩合蒸腾)(农作物)可以为饮食能量(2500 kcal/day)提供一个人(1)的人(1)(1)•为植物提供了一定的材料,以提供一定的exploration exploration surportors a Is exploration surporters crounters/vittoration surportors interimals/vittoriant(2)vitions/vittoriant(2)•2•农作物和人类之间的不匹配 - 例如Na +
正向育种是指在适当的环境中选择具有改良性能的重组体,它一直是作物产量随时间推移不断提高的驱动力。杂种优势的发现(杂种优势是指杂交品种相对于其自交系亲本而言具有改良性能)大大提高了杂交育种早期阶段的产量提高率(Sivasankar 等人,2012 年)。生物和非生物胁迫会降低产量,并造成潜在产量与实际产量之间的差距(Duvick,2005 年)。正向育种对于作物改良必不可少,尤其是对于复杂性状和胁迫环境而言,这是一个资源密集且耗时的过程。即使是由单个基因遗传的简单性状,也需要多次回交 (BC) 才能重建受体亲本的基因组。通过传统方法引入性状的另一个缺点是产量拖累,这个术语用来指供体亲本中不需要的基因导致的粮食产量降低,即使经过多次回交,这些基因仍然存在。由于这些基因之前未经过农艺性能选择,它们往往会降低转化品种的可收获产量。假设不进行选择且不抑制重组,则在 m 次回交后仍会保留下来的供体亲本基因数为 n ∗ d ∗ (1/2) m,其中 d 是供体与优良品系之间差异基因座的比例,n 是作物物种中的基因总数。例如,面包小麦有 ∼ 110 K 基因( Consortium et al., 2018 )。如果野生供体种质与轮回亲本在 30% 的基因座上存在差异,则经过四次回交后,转化品种中将继续存在一千多个来自供体亲本的基因。在差异很大的品系之间的杂交中,有限的重组可能会限制供体亲本的基因组片段被引入轮回亲本基因组的比例,但也可能对减少渗入的供体片段的大小构成挑战,从而增加连锁累赘的可能性(Hao et al., 2020)。标记可以帮助减少(但不能消除)BC1 阶段的供体亲本基因组片段。在资源有限的情况下开展的育种计划将
这项研究调查了内布拉斯加州玉米种植中的转基因生物(GMO)的使用与Google搜索增加的“我什至无法什至无法”的特殊现象之间的潜在困惑联系。利用USDA和Google趋势从2004年到2023年,我们的研究团队采用了严格的统计分析来揭示0.9138689的引人注目的相关系数,其统计学意义上的P值<0.01 <0.01。我们的发现的含义阐明了农业实践和在线表达的奇怪融合,从而阐明了转基因玉米和互联网俗语之间的神秘相互作用。这项开创性的研究使我们推动了思考:这种联系背后有真理的内核,还是只是另一个老套的相关性?
基因组编辑 (GE) 技术已成为一种多方面的策略,它瞬间普及了改变生物体遗传构成的机制。基于成簇的规律间隔短回文重复序列 (CRISPR) 和 CRISPR 相关 (Cas) 蛋白的基因组编辑 (CRISPR/Cas) 方法具有巨大潜力,可以有效编辑多种生物体的基因组。与巨核酸酶、锌指核酸酶 (ZFN) 和转录激活因子样效应核酸酶 (TALEN) 相比,该框架因其灵活性、多功能性和效力而更经济。序列特异性核酸酶 (SSN) 的出现允许在基因组中精确诱导双链断裂 (DSB),从而确保通过非同源末端连接 (NHEJ) 或同源定向修复 (HDR) 途径实现所需的改变。研究人员已利用 CRISPR/Cas 介导的基因组改造对作物品种进行改造,以产生提高产量、丰富营养品质和抗逆性的理想特性。本文重点介绍了通过基于 CRISPR/Cas 的工具进行基础植物研究和作物遗传改良,在作物营养改良领域取得的最新进展。这种基因组编辑的应用有助于揭示植物的基本生物学事实,并辅以全基因组关联研究、人工智能和各种生物信息学框架,从而提供未来的模型研究及其确认。本文回顾了通过这种现代生物技术方法开发的减少“脱靶”效应和社会对基因组改造作物认可的策略。
基因组编辑技术,包括CRISPR/CAS9和TALEN,是出色的遗传修饰技术,并且被证明是基础科学领域的强大工具,而且在作物育种领域也是如此。最近,已经发布了两种针对营养改善的基因组编辑的农作物,高gaba番茄和高油酸大豆,已释放到市场上。栽培作物的营养改善一直是常规遗传修饰技术以及经典育种方法的主要目标。基因组编辑产生的突变被认为与自发的基因突变几乎相同,因为在导致突变后,可以从最终基因组编辑的宿主中完全消除转化的外国基因。因此,与转基因作物不同,基因组编辑的农作物预计将相对容易供应市场。另一方面,由于其技术特征,当前基因组编辑作物的主要目标通常是基因的总或部分破坏,而不是基因递送。因此,要使用基因组编辑技术获得所需的性状,在某些情况下,可能需要一种与遗传重组技术不同的方法。在这次微型审查中,我们将回顾作物中的几种营养特征,这些营养特征被认为是基因组编辑的合适靶标,包括上述两个示例,并讨论基因组编辑技术如何成为改善农作物中营养特质的有效育种技术。
摘要:纵观农民目前面临的情况,自杀率逐年上升。其背后的主要原因包括贫困、不可预测的天气、经济问题、父母问题以及印度政府规范的频繁变化。教育也起着重要作用,因为由于缺乏教育,他们不了解土壤质量和气候变化,有时农民不了解可行的作物。由于缺乏知识,他们不了解土壤质量、土壤养分和土壤成分。本文重点研究了基于人工神经网络的现有数据对作物的预测。我们正在实施用于分类和预测的人工神经网络,因为大多数密集计算仅发生在训练阶段,不需要测试阶段。关键词:作物产量、机器学习、人工神经网络、农民、预测