Development of a DNA Macroarray for the Detection and Identification of Fungal Pathogens Causing Decline of Young Grapevines
Notice bibliographique
Résumé
Young vine decline (YVD) is a complex disease caused by at least 51 different fungi and responsible for important economic losses to the grapevine industry worldwide. YVD fungi are known to occur in planting material. Hence, detection prior to planting is critical to assure longevity of newly established vineyards. A DNA macroarray based on reverse dot-blot hybridization containing 102 oligonucleotides complementary to portions of the β-tubulin region was developed for detection of YVD fungi. Specificity of the array was first evaluated against 138 pure fungal cultures representing 72 different taxa from nine genera, including 37 YVD species. In total, 61 species, including 34 YVD pathogens, were detected and identified by the array. The detection limit of the array was below 0.1 pg of genomic DNA. The array was validated against artificially inoculated canes and soil and commercial planting material, with the latter showing a high incidence of YVD fungi in nursery plants otherwise not detected by traditional plating and culturing. This DNA array proved to be a rapid and specific tool to simultaneously detect and identify most YVD fungi in a single test, which has the potential to be used in commercial diagnostics or by the grapevine nursery industry to determine the health status of the planting material.
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 ».