Specific and sensitive detection of the conifer pathogen Gremmeniella abietina by nested PCR
Notice bibliographique
Résumé
BACKGROUND: Gremmeniella abietina (Lagerb.) Morelet is an ascomycete fungus that causes stem canker and shoot dieback in many conifer species. The fungus is widespread and causes severe damage to forest plantations in Europe, North America and Asia. To facilitate early diagnosis and improve measures to control the spread of the disease, rapid, specific and sensitive detection methods for G. abietina in conifer hosts are needed. RESULTS: We designed two pairs of specific primers for G. abietina based on the 18S rDNA sequence variation pattern. These primers were validated against a wide range of fungi and 14 potential conifer hosts. Based on these specific primers, two nested PCR systems were developed. The first system employed universal fungal primers to enrich the fungal DNA targets in the first round, followed by a second round selective amplification of the pathogen. The other system employed G. abietina-specific primers in both PCR steps. Both approaches can detect the presence of G. abietina in composite samples with high sensitivity, as little as 7.5 fg G. abietina DNA in the host genomic background. CONCLUSION: The methods described here are rapid and can be applied directly to a wide range of conifer species, without the need for fungal isolation and cultivation. Therefore, it represents a promising alternative to disease inspection in forest nurseries, plantations and quarantine control facilities.
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 ».