AWARD LECTURE / CONFÉRENCE D'HONNEUR Prospects for controlling plant fungal diseases Alternatives based on chemical ecology and biotechnology
Notice bibliographique
Résumé
Plants produce a diverse array of secondary metabolites associated with important defence and resistance mechanisms. In general, within the same plant family the chemical structures of these metabolites are related and suggest common biogenetic precursors. Crucifers are known to produce constitutive and induced tryptophan derived metabolites. Pathogenic fungi can resist such defences utilizing a variety of processes, as for example, enzymatic detoxification. On the other hand, to facilitate their penetration and colonization of the plant tissues, fungal phytopathogens can produce phytotoxic metabolites, some of which are selectively toxic to host-plants. However, plants may be resistant to these pathogens partly due to their ability to detoxify these selective phytotoxins. Nonetheless, the outcome of these interactions frequently favours the pathogen and can lead to enormous yield losses or even major plant epidemics. An overview of some of the most recent studies of metabolic pathways and stress responses in crucifers and several of their pathogens is presented. Potential strategies to prevent and control plant microbial diseases based on chemical ecology studies and biotechnology will be discussed. Key words: phytoalexin, phytotoxin, chemical defence, metabolic detoxification, destruxin B.
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 ».