MétaCan
Menu
Retour à la cohorte
Enregistrement W2045769591 · doi:10.1080/07060661.2011.610826

Effect of iron and nitrogen on the development of<i>Helminthosporium solani</i>and potato silver scurf

2011· article· en· W2045769591 sur OpenAlexafffundvenue
Benjamin Mimee, Tyler J. Avis, Sophia Boivin, Suha Jabaji, Russell J. Tweddell

Notice bibliographique

RevueCanadian Journal of Plant Pathology · 2011
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Micronutrient Interactions and Effects
Établissements canadiensMcGill UniversityCarleton UniversityUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRhizoctonia solaniNitrogenBiologyAgronomyChemistryHorticultureOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Silver scurf is a surface blemish disease of potato (Solanum tuberosum L.) tubers caused by Helminthosporium solani Durieu & Mont.Silver scurf is becoming a disease of high economic impact.In this study, the effect of different iron (FeSO 4 , FeCl 2 ) and nitrogen (NaNO 2 , NaNO 3 , NH 4 Cl, NH 4 NO 3 ) salts on H. solani conidial germination and on potato silver scurf development was evaluated.The results show that iron and nitrogen salts affect in vitro germination of H. solani conidia.Conidia were particularly sensitive to FeSO 4 and FeCl 2 .These salts completely inhibited conidial germination and were shown to be toxic at a concentration of 0.9 mM.Among the nitrogen salts tested, conidia were most affected by NaNO 2 and NH 4 Cl, which almost completely inhibited their germination at a concentration of 169.7 mM.NaNO 2 was also toxic to conidia.Among the salts tested, only FeSO 4 , FeCl 2 and NaNO 2 reduced the development of silver scurf.Comparison of the effect of the different tested salts leads to the conclusion that ions Fe ++ and NO 2 -have toxic effects on the conidia and repressive effects on silver scurf development while NO 3 -and NH 4 + have no toxic effect on conidia and no repressive effect on silver scurf development.

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)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,274
Score d'incertitude au seuil0,281

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,015
Tête enseignante GPT0,185
Écart entre enseignants0,170 · 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
Publié2011
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Plant PathologyMême sujetPlant Micronutrient Interactions and EffectsTravaux en français237 207