Sustainable agriculture and the multigenomic model: how advances in the genetics of arbuscular mycorrhizal fungi will change soil management practices.
Notice bibliographique
Résumé
Arbuscular mycorrhizal (AM) fungi are important both in agriculture and in natural ecosystems due to their effects on the fitness of their plant hosts. As symbionts, AM fungi improve plant uptake of water and nutrients, and help to protect against pathogens. The study of these organisms has been obstructed in part by difficulty in identifying and quantifying them in the field, a problem springing from our poor understanding of their unusual genetic structure. AM fungi have been shown to be multigenomic, possessing a large amount of genetic variation not only between individuals, but among nuclei within an individual. In order for simple, reliable identification and quantification techniques to be developed for large-scale use, this genetic diversity must be quantified and marker genes found for which the amount of variation is manageable. Once this has been accomplished, growers can work knowledgeably with the existing strains of AM fungi in their fields, or select an appropriate commercial inoculum. In this chapter, we will discuss the current state of knowledge in AM fungal genetics and how it can be applied to develop molecular tools which permit the management of natural AM fungal populations in agricultural fields. Assessment of AM fungal biodiversity in natural and modified ecosystems, as well as the estimation of the mycorrhizal potential of agricultural soil, are bottlenecks that greatly limit our understanding of the ecology of these cornerstone organisms. The development of efficient and inexpensive diagnostic techniques will enable us to use them to their full potential in sustainable agriculture systems.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».