MétaCan
Menu
Retour à la cohorte
Enregistrement W2006112283 · doi:10.5958/j.2348-7542.15.1.011

Molecular characterization of aphids infesting sorghum in China

2014· article· en· W2006112283 sur OpenAlexaboutno aff
Rong Gai Li, Yu Cui Han, Peng Lü, Rui Heng Du, Guo Qing Liu

Notice bibliographique

RevueResearch on Crops · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueInsect-Plant Interactions and Control
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSorghumBiologySweet sorghumForensic scienceAgronomyChinaBiotechnologyVeterinary medicineToxicologyMedicineGeographyGenetics

Résumé

récupéré en direct d'OpenAlex

Sorghum aphid (Melanaphis sacchari), greenbug (Schizaphis graminum) and corn leaf aphid (Rhopalosiphum maidis) are the main pests of sorghum in China. Genotype characterization and/or biotype identification of pests is the first step for cereal breeding programme to obtain resistant cultivars. DNA barcoding technique provides an effective tool for species and biotype diagnosis in various organism. In this study, we sequenced a fragment of 680 bp of cytochromecoxidase I (COI) gene from above aphid species collected from 16 sorghum growing regions in China. The results revealed that (i) No polymorphism was found in the mitochondrial DNA from different sorghum aphid and greenbug populations. The diversity in these two species was not as much as we expected, (ii) Three haplotypes were identified in corn leaf aphid clones. The most common haplotype was the same as that in Canada, USA and UK and (iii) Mitochondrial COI sequences could effectively distinguish different aphid species, and further different haplotypes within an aphid species.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,893
Score d'incertitude au seuil0,221

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,305
Écart entre enseignants0,274 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch on CropsMême sujetInsect-Plant Interactions and ControlTravaux en français237 207