XiaoMi-AI文件搜索系统
World File Search System作物
花生鲜种子休眠：机制、因素及对作物改良的影响——综述
摘要：花生（Arachis hypogaea L.）是一种全球重要的油籽和豆科粮食作物。然而，最常见的西班牙束状花生品种缺乏鲜种子休眠（FSD），这对花生的产量和质量造成了重大障碍。鉴于其经济意义，目前正在研究模型系统中导致 FSD 的机制和因素，这对花生栽培具有重要意义。最近的评论强调了在揭示遗传控制、分子机制以及影响不同植物物种发芽和休眠的生理和环境因素方面取得的显著进展。在此背景下，我们研究了有关花生 FSD 的最新研究成果，重点关注与 FSD 相关的遗传因素。此外，我们还探讨了旨在培育优良基因型以加强花生改良的尝试。
通过繁殖改善了受控环境农业中的作物生产
受控环境农业（CEA）代表了园艺发展最快的部门之一。在受控环境中的生产范围从具有100％人工照明（垂直农场或植物工厂）到具有或没有补充照明的高科技温室，再到简单的温室和高隧道范围。尽管粮食生产发生在高隧道内的土壤中，但大多数CEA操作都使用各种水培系统来满足作物灌溉和生育需求。CEA的扩展提供了有望作为增加城市及其附近粮食生产的工具，因为这些系统不依赖可耕地的农业土地。此外，CEA通过在保护性结构内部生长提供了对气候不稳定的韧性。从CEA系统收获的产品往往具有高质量的内部和外部，并且受到消费者的追捧。目前，CEA生产商依靠在开放式农业中生产的品种。由于CEA的高能量和其他生产成本，只有有限数量的食品作物证明自己是生产的预曲。导致这种情况的一个因素可能缺乏优化的品种。室内生长的操作为这些系统理想的繁殖品种提供了机会。为了促进这些专业品种的繁殖，可以为植物育种者提供多种工具，以帮助加快这一过程并提高其效率。它还回顾了许多可用于基因组知识育种，标记辅助选择的工具，本评论旨在满足繁殖机会和需求，以便在CEA系统中已经生产过多种园艺作物，或者具有CEA生产潜力。
植物遗传和基因组资源促进作物持续改良
一般而言，作物的起源中心与其最大程度的多样性有关。然而，也应注意，作物在驯化和栽培的过程中可能会形成多个多样性中心（Harlan，1971；Harlan，1975）。提出的驯化过程长期多中心模型特别适用于栽培作物，而不适用于其野生近缘种，因为栽培作物受到的人工选择压力较大，而野生近缘种只受到自然选择压力（Allaby 等人，2008）。这反映在一种作物的不同种质种质中多种性状以阵列模式共存于多个位置，每个种质都拥有不同的感兴趣性状组合（Esquinas-Alca zar，2005）。例如，为了表示水稻的谷粒大小和颜色、植株结构、种子落粒性（但适合脱粒）、各种非生物和生物胁迫耐受性、糯粒、开花时间和生命周期（短、中、长周期）等性状的完全变异性，我们需要大量的基因型（Izawa，2022 年；Shang 等人，2022 年）。如果我们将驯化过程中选择压力的结果以性状与变异性的形式列出，每个细胞包含适当的基因型，我们将获得一系列代表不同表型性状及其内部变异性的种质。这将揭示，如果特定基因型丢失，作物植物更容易受到遗传侵蚀（与作物野生近缘种 CWR 相比）。这是因为尽管存在自然选择压力，但农作物野生亲缘植物由于缺乏人工选择压力而未能多样化（在排列模式上）。保护这些珍贵的农作物遗传资源和农作物野生亲缘植物对于通过持续的农作物改良实现粮食安全至关重要。
太阳能工程可以减轻农作物产量的气候变化压力
Terms of use This article was downloaded from Harvard University's DASH repository, and is made available under the terms and conditions applicable to Open Access Policy Articles (OAP), as set forth at https://harvardwiki.atlassian.net/wiki/external/NGY5NDE4ZjgzNTc5NDQzMGIzZWZhMGFlOWI2M2EwYTg
对尼日利亚阿比亚州农民中转基因玉米作物的认识和感知
摘要该研究确定了玉米农民对尼日利亚阿比亚州转基因作物的认识和感知。使用多阶段抽样程序选择了一百八十四名受访者进行调查。用结构化的查询范围收集数据，并以百分比，均值和回归分析进行分析。多数（67.4％）的农民不知道转基因的玉米作物，而农作物不在供应中（x̄= 1.5）。玉米农民对转基因作物的看法不是很喜欢（x̄= 2.4）。很难在市场上出售它们（x̄= 3.4），气候变化对预期产量的负面影响的威胁（x̄= 3.2）以及这些农作物可能需要大量投入的可能性，例如肥料和肉质（x̄= 2.8）。年龄（β= 1.023），以前具有改善的作物品种（β= 2.112）和Internet访问（β= 2.317）的经验对农民的看法有积极影响，但是高等学校学位的家庭成员人数（β= -0.721）具有负面影响。应该创建对转基因玉米作物的更多认识，以使农民能够根据对农作物的看法做出反对的决定。扩展服务应得到充分资金来实现这一目标。
利用可持续农业的作物生物装修
©编辑（如果适用）和作者，根据Springer Nature Singapore Pte Ltd.2024的独家许可。这项工作将获得版权。所有权利都是由出版商唯一的，仅由材料的全部或一部分授权的，尤其是翻译，重新使用，插图，朗诵，广播，在微胶片上或以任何其他物理方式复制，以任何其他物理方式复制，以及以任何其他物理方式复制，以及传输或检索，传输和检索，电子适应性，计算机软件，或通过类似的方法，或者是类似的方法，或者现在是相似的方法，或者现在是这些方法。使用一般描述性名称，注册名称，商标，服务标记等。在本出版物中，即使在没有具体陈述的情况下，这种名称也不意味着免于相关的保护法律和法规，因此可以免费使用。出版商，作者和编辑可以肯定地假设本书中的建议和信息在出版之日被认为是真实而准确的。就本文包含的材料或可能已犯的任何错误或遗漏而言，出版商，作者或编辑都没有提供任何明示或暗示的保修。出版商在已发表的地图和机构隶属关系中的管辖权索赔方面保持中立。
作物害虫生物防治的进步
第1部分理解和破坏害虫•1。对蓟马和其他小型飞行昆虫的视力和嗅觉的理解，以增强生物控制：新西兰的植物和食品研究； •2。昆虫的基因工程以抑制虫害繁殖：美国北卡罗来纳州立大学的麦克斯·斯科特（Max Scott）； •3。开发基于植物的昆虫生物防治剂：Azucena Gonzalez-Coloma，CSIC，西班牙； •4。基于神经肽的生物防治剂的开发用于管理害虫：英国格拉斯哥大学Shireen Davies； •5。使用基因沉默（RNA干扰）技术产生安全的杀虫化合物：意大利Enea的Salvatore Arpaia； •6。理解反对害虫攻击的植物防御：美国路易斯安那州立大学的迈克尔·斯托特；第2部分改善了生物防治产品开发和使用•7。制定生物防治剂以进行植物保护的钥匙问题：琳达·马斯卡特（Linda Muskat），应用科学大学 - 德国比勒菲尔德（Bielefeld）； •8，促进新的生物防治产品来控制害虫：新西兰林肯大学Travis Glare； •9，用于害虫控制的生物防治剂的应用技术开发：奥地利奥地利理工学院的Claudia Preininger； •10。对害虫的生物防治剂进行改进：美国环境保护局的香农·博尔赫斯，生物农药和污染预防司；
社论：农杆菌介导的果树作物转化的新进展，第二卷
三十多年来，农杆菌介导的转化技术一直用于树果作物的基因工程。尽管在草本植物和一年生植物的水平上利用这项技术仍然存在许多障碍，但该领域已经取得了很大进展（Song 等人，2019 年）。在本研究主题的第二卷中，有论文描述了不同研究小组正在采取的方法，以促进难处理的树种的遗传转化，并在更基本的层面上了解 T-DNA 插入宿主细胞基因组的机制。在一项优雅的研究中，Gelvin 等人研究了 T 环的形成作为理解 T-DNA 整合的代理。在这项工作中，从转基因植物本氏烟或拟南芥中形成的 T 环中详细描述了与 LB-RB 连接相关的区域。结果表明，T 环中的 RB-LB 连接类似于 T-DNA 和发生整合的植物 DNA 之间的连接。相似之处包括：与 RB 相比，LB 处的缺失频率更高且序列变化更为广泛；连接位点存在微同源性；存在来自农杆菌或植物基因组的填充 DNA；多个 T-DNA 拷贝的多联体组织，其中 RB-RB 和 LB-LB 连接比 RB-LB 连接更常见。此外，作者还表明，T 环的形成即使在农杆菌 VirD2 基因中没有 Ku80 和 w 突变的情况下也能进行，其影响与对 T-DNA 整合的影响相似。根据他们的数据，作者提出 T 环的形成可用于研究 T-DNA 整合到宿主基因组的所有方面。大多数关于柑橘转化的已发表研究都仅使用了少数相对容易转化的品种的材料（Song 等人，2021 年）。 TAMU 的 Mandadi 团队（Dominguez 等人）开发了一种方法，可以促进 14 种柑橘品种的转化。他们通过在转化方案中使用的培养基中添加亚精胺和硫辛酸等补充剂，并使用含有额外 VirG 和 VirE 基因拷贝的辅助质粒 pCH32 来实现这一点。
引用 Larue F、Rouan L、Pot D、Rami J-F、Luquet D 和 Beurier G (2024) 使用神经网络将遗传标记和作物模型参数链接到 e
需要开发适应不断变化的生产情景的植物品种，特别是在气候变化的情况下，这要求作物满足日益复杂和多样化的需求，这对育种者来说是一个巨大的挑战。在此背景下，追求赋予所需作物特性和适应性的性状组合比以往任何时候都更加重要，因此有必要加强多标准或多性状育种（Moeinizade 等人，2020 年）。利用分布在基因组中的完整核苷酸多样性来预测数量性状的育种值（基因组预测，GP，Meuwissen 等人，2001 年）已证明其在育种计划中的有效性。事实证明，这种方法有助于提高遗传增益率并降低成本（Hickey 等人，2017 年）。然而，为了应对气候变化和更明确的环境目标种群（Chapman 等人，2000 年），对多环境（ME）育种的需求日益增长，这需要采用基因组预测方法来解释基因型和环境（GxE）之间相互作用的出现（Rincent 等人，2017 年）。先前的研究试图在基因组选择（GS）中解决 GxE。例如，Burgueño 等人(2012) 开发了多环境统计模型。然而，这些模型仅考虑线性和非因果环境效应，从而降低了预测准确性的可能增益，尤其是对于复杂的综合性状或与校准集有显着差异的环境（Rogers and Holland，2022）。Heslot 等人。另一方面，（2014 年）使用作物生长模型 (CGM) 来推导环境协变量。与标准 GS 模型相比，在 GS 框架内加入环境协变量可提高预测准确性并降低未观察环境中的预测变异性。整合作物模型以解决 GxE，如 Heslot 等人的研究所示。(2014) ，强调了这种方法在所述育种环境中的实用性。尽管如此，考虑大量协变量会显著增加问题的复杂性，使得建模变得极具挑战性（Larkin 等人，2019 年）。
利用高通量作物表型分析取得进展...
十多年前，无人机 (UAV) 被视为农业的新纪元 (Zarco-Tejada，2008)。从今天的角度来看，无人机在农业中的应用最大的影响体现在高通量田间表型分析上。田间表型分析是指对植物在自然环境中的表型（即其解剖、个体发育、生理和生化特性）进行定量描述 (Walter et al.，2015)。在育种方面，需要筛选数百甚至数千种不同的基因型来研究它们对植物性状和性能的影响，高通量田间表型分析可以在育种的早期阶段及时快速地筛选多种性状。这有可能缩短育种周期，并避免因连锁拖累而丢失潜在的重要等位基因（Araus 和 Cairns，2014 年；Furbank 和 Tester，2011 年；Rebetzke 等人，2019 年）。由于无人机系统作为遥感平台已经成熟（Aasen 等人，2018 年），几乎所有田间表型分析领域的“大玩家”（研究团体、公司和其他组织）都已开始使用无人机进行