Evolution of Resistance to Auxinic Herbicides: Historical Perspectives, Mechanisms of Resistance, and Implications for Broadleaf Weed Management in Agronomic Crops
Notice bibliographique
Résumé
Auxinic herbicides are widely used for control of broadleaf weeds in cereal crops and turfgrass. These herbicides are structurally similar to the natural plant hormone auxin, and induce several of the same physiological and biochemical responses at low concentrations. After several decades of research to understand the auxin signal transduction pathway, the receptors for auxin binding and resultant biochemical and physiological responses have recently been discovered in plants. However, the precise mode of action for the auxinic herbicides is not completely understood despite their extensive use in agriculture for over six decades. Auxinic herbicide-resistant weed biotypes offer excellent model species for uncovering the mode of action as well as resistance to these compounds. Compared with other herbicide families, the incidence of resistance to auxinic herbicides is relatively low, with only 29 auxinic herbicide-resistant weed species discovered to date. The relatively low incidence of resistance to auxinic herbicides has been attributed to the presence of rare alleles imparting resistance in natural weed populations, the potential for fitness penalties due to mutations conferring resistance in weeds, and the complex mode of action of auxinic herbicides in sensitive dicot plants. This review discusses recent advances in the auxin signal transduction pathway and its relation to auxinic herbicide mode of action. Furthermore, comprehensive information about the genetics and inheritance of auxinic herbicide resistance and case studies examining mechanisms of resistance in auxinic herbicide-resistant broadleaf weed biotypes are provided. Within the context of recent findings pertaining to auxin biology and mechanisms of resistance to auxinic herbicides, agronomic implications of the evolution of resistance to these herbicides are discussed in light of new auxinic herbicide-resistant crops that will be commercialized in the near future.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».