XiaoMi-AI文件搜索系统
World File Search SystemMarzano
番茄中 SlDMR6-1 的敲除促进了抗旱...
霜霉病抗性 6 (DMR6) 蛋白是一种 2-氧戊二酸 (2OG) 和 Fe(II) 依赖性加氧酶，参与水杨酸 (SA) 代谢。SA 被认为是一种非生物胁迫耐受性增强剂，在番茄中发现 DMR6 的失活会增加其水平并诱导对多种病原体的抗病性。通过应用 CRISPR/Cas9 技术，我们生成了 Sldmr6-1 番茄突变体并测试了它们对干旱和晚疫病的耐受性。野生型番茄品种‘San Marzano’及其 Sldmr6-1 突变体被剥夺了 7 天的水。WT植物表现出严重的枯萎，而T 2 Sldmr6-1突变体叶片肿胀，并保持较高的土壤相对含水量。生态生理测量表明，Sldmr6-1突变体采取了节水行为，通过降低气孔导度来降低蒸腾速率。在干旱胁迫下，同化率也降低，导致气孔下腔中的CO 2浓度没有改变，并提高了水分利用效率。此外，在Sldmr6-1突变体中，干旱胁迫诱导抗氧化相关基因SlAPX和SlGST的上调以及参与ABA分解代谢的SlCYP707A2基因的下调。最后，我们首次在番茄中强调，Sldmr6-1 突变体对晚疫病的病原菌致病菌的敏感性降低。
策略老师
我们最喜欢的一句话来自物理学家维克多·魏斯科普夫，他作为科学家、音乐家、领导者和教师所取得的成就，使他获得了“终极文明人”的称号。这句话是“唯一的罪过是如果你听到一个好主意而不去窃取它。”我们喜欢这句话，因为它揭示了个人成功的最深刻的真理之一：它很大程度上是从别人那里偷来的。通过维克多·魏斯科普夫的非凡才华，我们减轻了将这本书赠送给教师（他们才是这本书的合法作者）时的一些愧疚感。一些借给我们作品的老师的名字出现在这本书中。我们首先向他们表示特别的感谢。感谢前日内瓦市学校的 Barbara Heinzman、Hinsdale South 高中的 Claudia Geocaris 博士、Downers Grove South 高中的 Robin Cederblad、宾厄姆顿学院的 Toni Johnson、Dewitt 小学的 Michael Ledford、前宾厄姆顿学院的 Sherry Gibbon 和 Catskill 中学的 Carl Carrozza。但是，我们非常清楚，还有其他人——许多其他人的想法也出现在了这些页面中。尽管我们尽了最大努力联系到所有在这里发表作品的老师，但我们担心有些老师可能没有得到我们的关注。我们希望我们能够公正地对待他们的工作，并希望感谢他们所有人。还要特别感谢 Jay McTighe、Grant Wiggins、Robert Marzano 和 Giselle Martin-Kniep，他们孜孜不倦地帮助学校变得更好，深深地影响了我们、我们的书以及您将在整本书中找到的战略仪表板。另外，还要感谢 McREL 帮助将仪表板概念变为现实。接下来，我们还要感谢许多其他为这个项目贡献才华、想法和时间的人。我们要提到的许多人包括 Abigail Silver、Robin Young 和 Lori Barnett，感谢他们深入而高质量的反馈和修订说明；Allyson Palmer 和 Meredith Lee，感谢他们的细致
基于 CRISPR/Cas9 的 PMR4 基因敲除降低了两种番茄品种对晚疫病的易感性
摘要：番茄晚疫病（LB）的病原菌是致病疫霉菌，是一种毁灭性的疾病，严重影响植物的生产力。植物中易感基因（S）的存在促进了病原菌的增殖；因此，抑制这些基因可能有助于提供广谱和持久的耐受性/抗性。先前对拟南芥和番茄的研究表明，PMR4 易感基因的敲除突变体对白粉病具有耐受性。此外，马铃薯中 PMR4 的敲低已被证明可以赋予对 LB 的耐受性。为了在本研究中验证番茄中的相同效果，将含有四个单向导 RNA（sgRNA：sgRNA1、sgRNA6、sgRNA7 和 sgRNA8）的 CRISPR-Cas9 载体（靶向尽可能多的 SlPMR4 区域）通过农杆菌介导的转化引入两种广泛种植的意大利番茄品种：“San Marzano”（SM）和“Oxheart”（OX）。选择了 35 株植物（26 株 SM 和 9 株 OX）并进行筛选，以确定 CRISPR/Cas9 诱导的突变。不同的 sgRNA 导致的突变频率范围从 22.1% 到 100%，或者精确插入（sgRNA6）或缺失（sgRNA7、sgRNA1 和 sgRNA8）。值得注意的是，sgRNA7 在七种 SM 基因型中诱导了纯合状态下的 − 7 bp 缺失，而 sgRNA8 导致产生十五种具有双等位基因突变（ − 7 bp 和 − 2 bp）的 SM 基因型。选定的编辑品系接种了 P. infestans，其中四种在 PMR4 基因座完全敲除的品系与对照植物相比表现出减轻的病害症状（易感性从 55% 降低到 80%）。使用 Illumina 全基因组测序对四种 SM 品系进行测序以进行更深入的表征，而未显示出候选脱靶区域发生任何突变的证据。我们的结果首次表明，pmr4 番茄突变体对致病疫霉菌的易感性降低，证实了 KO PMR4 在提供针对病原体的广谱保护中的作用。
COVID‐19 与人工智能
5. Han SS, Park GH, Lim W 等人。深度神经网络在甲癣诊断方面表现出与皮肤科医生相当甚至更好的表现：通过基于区域的卷积深度神经网络自动构建甲癣数据集。PLoS ONE。2018；13：e0191493。6. Seite S、Khammari A、Benzaquen M、Moyal D、Dreno B。一种用于从智能手机照片中对痤疮进行分级的人工智能算法的开发及其准确性。Exp Dermatol。2019；28：1252-1257。doi：10.1111/exd.14022 7. Min S、Kong HJ、Yoon C、Kim HC、Suh DH。使用数字图像处理开发和评估自动痤疮病变检测程序。皮肤研究技术。 2013；19：e423-e432。doi:10.1111/j.1600-0846.2012.00660.x 8. Gustafson E、Pacheco J、Wehbe F、Silverberg J、Thompson W。一种从电子健康记录中识别成人特应性皮炎的机器学习算法。IEEE Int Conf Healthc Inform。2017；83-90。doi:10.1109/ICHI.2017.31 9. De Guzman LCD、Maglaque RPC、Torres VMB、Zapido SPA、Cordel MO。用于湿疹皮肤病变检测的多模型、多层次人工神经网络的设计和评估。2015 年第三届人工智能、建模和仿真国际会议（AIMS）。2015：42-7。 10. Guimarães P、Batista A、Zieger M、Kaatz M、Koenig K。多光子断层扫描中的人工智能：特应性皮炎诊断。Sci Rep。2020；10：7968。11. Wu H、Yin H、Chen H 等人。一种基于深度学习的图像自动诊断炎症性皮肤病的方法。Ann Transl Med。2020；8(9)：581。doi:10.21037/atm.2020.04.39 12. Meskó B、Hetényi G、Győrffy Z。人工智能能否解决医疗保健领域的人力资源危机？BMC Health Serv Res。2018；18：545。 doi:10.1186/s12913-018-3359-4 13. Bullock, J.、Luccioni, A.、Pham, KH、Lam, CSN、Luengo-Oroz, M. (2020)。绘制人工智能应对 COVID-19 应用前景图。ArXiv。2020 年。https://arxiv.org/abs/2003.11336v1 14. Hollister M。人工智能可以帮助应对 COVID-19 危机 - 但正确的人力投入是关键。世界经济论坛，3 月 30 日。Taulli, T. (2020)。正在抗击 COVID-19 大流行的 AI（人工智能）公司。福布斯，2020 年 3 月 28 日。 15. Genovese G、Moltrasio C、Berti E、Marzano AV。与 COVID-19 相关的皮肤表现：当前知识和未来展望。皮肤病学。2021；237:1-12。16. Freeman EE、McMahon DE、Fitzgerald ME 等人。美国皮肤病学会 COVID-19 登记处：COVID-19 时代的众包皮肤病学。美国皮肤病学杂志。2020；83(2):509-510。17. van Damme C、Berlingin E、Saussez S、Accaputo O。急性荨麻疹和发热是 COVID-19 感染的首发表现。欧洲皮肤病学杂志。2020；34(7):e300-e301。18. Galván Casas C、Català A、Carretero Hernández G 等人。 COVID-19 皮肤表现的分类：西班牙一项涉及 375 例病例的快速前瞻性全国性共识研究。Br J Dermatol。2020；183(1):71-77。19. Freeman EE、McMahon DE、Lipoff JB 等人。与 COVID-19 相关的冻疮样皮肤病变：来自 8 个国家的 318 名患者的病例系列。J Am Acad Dermatol。2020；83(2):486-492。20. Young S、Fernandez AP。COVID-19 的皮肤表现。Cleve Clin J Med。2020。doi:10.3949/ccjm.87a.ccc031。提前在线发表。21. Mathur J、Chouhan V、Pangti R、Kumar S、Gupta S。用于识别 COVID-19 皮肤表现的卷积神经网络架构。皮肤病学治疗。2021；34(2):e14902。doi:10.1111/dth.14902 22. Christopher JJ、Nehemiah HK、Arputharaj K、Moses GL。用于诊断荨麻疹的计算机辅助医疗决策系统。MDM 政策实践。2016；1(1):2381468316677752。doi:10.1177/2381468316677752