Wissenschaftler in Mexiko fordern eine klare Trennung in den Regeln für Geneditierung und klassische gentechnisch veränderte Organismen (GVO). Sie betonen, dass Systeme wie CRISPR-Cas es erlauben, Gene gezielt zu schneiden, stummzuschalten oder zu verändern, ohne zwingend Gene anderer Arten einzuführen.
28 Forscher veröffentlichten eine öffentliche Erklärung und starteten eine Petition auf Change.org, um die Regierung zu evidenzbasierten Vorschriften aufzufordern. Das Vorgehen folgt einem Dekret, das Präsidentin Claudia Sheinbaum im März unterzeichnete und das den Anbau von transgenem Mais verbietet. Das Dekret verlangt, dass Maisproduktion frei von genetischen Veränderungen sein muss, die natürliche Barrieren für Fortpflanzung oder Rekombination überwinden.
Einige Forscher, unter anderem Luis José Delaye Arredondo, sagen, präzise Editierung verdiene eigene Regeln. Andere warnen vor möglichen unerwarteten Effekten ausserhalb des Labors und fordern interdisziplinäre Analysen. Beispiele aus Argentinien (2015) und Chile (2017) zeigen unterschiedliche Regelansätze. Es ist noch unklar, wie die Behörden auf die Petition reagieren werden.
Schwierige Wörter
- Wissenschaftler — Personen, die in der Wissenschaft arbeiten.
- Genbearbeitung — Änderung von Pflanzen durch Gene.
- Regelung — Bestimmungen, die Regeln festlegen.Regelungen
- Technologien — Wissenschaftliche Methoden oder Geräte.
Tipp: Fahre über markierte Wörter oder tippe darauf, um kurze Definitionen zu sehen – während du liest oder zuhörst.
Diskussionsfragen
- Welche Vorteile könnte Genbearbeitung haben?
- Wie unterscheiden sich Mexiko und Argentinien in der Regelung?
- Warum ist der Dialog zwischen Gesellschaft und Wirtschaft wichtig?
Verwandte Artikel
Sauerteig zeigt, wie Mikroben zusammenleben
Forscher der Tufts University nutzten Sauerteig-Starter, um zu prüfen, ob paarweise Wechselwirkungen vorhersagen, welche Mikroben koexistieren. Das Modell funktionierte gut und wurde durch die Berücksichtigung des Starter-Lebenszyklus verbessert.
Warum KI voreingenommen ist
Forscher der University of Texas at Austin untersuchten problematische Algorithmen und fanden drei Hauptursachen für KI-Bias: fehlende klare Entscheidungsgrundlagen, vereinfachte Modelle der Realität und fehlende Vielfalt bei den Entwicklern. Mehr als bessere Genauigkeit ist nötig.
