XiaoMi-AI文件搜索系统
World File Search System食用植物
食用植物和环境污染：更新
摘要：食用植物是人类营养的基础，但是在受污染的地方，它们可以吸收污染物。环境污染和气候变化可以改变食品质量；通常，它们对人类健康有负面影响，并暗示对人类健康的风险。重金属，例如铅，砷，镉和铬，可以在各种环境水平（土壤，水和大气）上存在，并且它们在世界范围内广泛分布。食用植物可以进行重金属生物积累，这是植物的防御途径，每种植物物种都不同。在根和叶子中经常积聚，水果和种子中可能存在重金属。 AS和CD始终存在。此外，其他污染物可以在食用植物中生物蓄积，包括新兴污染物，例如持续的有机污染物（POP），农药和微塑料。在食用植物中，它们存在于根部，也存在于叶子和水果中，具体取决于它们的化学结构。近年来发表的文献研究了，以了解食用植物之间污染物的分布。在文献中，已经提出了清洁水，控制土壤和监测农作物的旧农艺实践和新的综合技术，以减轻污染并产生高食物质量和高食品安全。
可食用植物基因组的基础大型语言模型
植物基因组学领域取得了重大进展，高通量方法的使用越来越多，可以表征多个基因组范围内的分子表型。这些发现为植物性状及其潜在的遗传机制提供了宝贵的见解，特别是在模型植物物种中。尽管如此，有效地利用它们进行准确的预测是作物基因组改良的关键一步。我们提出了 AgroNT，这是一个基础性的大型语言模型，它以 48 种植物物种的基因组为训练基础，主要关注作物物种。我们表明，AgroNT 可以获得对调控注释、启动子/终止子强度、组织特异性基因表达的最新预测，并优先考虑功能性变异。我们对木薯进行了大规模的计算机饱和诱变分析，以评估超过 1000 万个突变的调控影响，并提供它们的预测效果作为变异表征的资源。最后，我们建议将此处汇编的各种数据集用作植物基因组基准 (PGB)，为植物基因组研究中基于深度学习的方法提供全面的基准。预先训练的 AgroNT 模型可在 HuggingFace 上公开获取，网址为 https://huggingface.co/InstaDeepAI/agro-nucleo-transformer-1b，以供未来研究使用。