One stop shop: backbones trees for important phytopathogenic genera: I (2014)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Many fungi are pathogenic on plants and cause significant damage in agriculture and forestry. They are also part of the natural ecosystem and may play a role in regulating plant numbers/density. Morphological identification and analysis of plant pathogenic fungi, while important, is often hampered by the scarcity of discriminatory taxonomic characters and the endophytic or inconspicuous nature of these fungi. Molecular (DNA sequence) data for plant pathogenic fungi have emerged as key information for diagnostic and classification studies, although hampered in part by non-standard laboratory practices and analytical methods. To facilitate current and future research, this study provides phylogenetic synopses for 25 groups of plant pathogenic fungi in the Ascomycota, Basidiomycota, Mucormycotina (Fungi), and Oomycota, using recent molecular data, up-to-date names, and the latest taxonomic insights. Lineage-specific laboratory protocols together with advice on their application, as well as general observations, are also provided. We hope to maintain updated backbone trees of these fungal lineages over time and to publish them jointly as new data emerge. Researchers of plant pathogenic fungi not covered by the present study are invited to join this future effort. Bipolaris, Botryosphaeriaceae, Botryosphaeria, Botrytis, Choanephora, Colletotrichum, Curvularia, Diaporthe, Diplodia, Dothiorella, Fusarium, Gilbertella, Lasiodiplodia, Mucor, Neofusicoccum, Pestalotiopsis, Phyllosticta, Phytophthora, Puccinia, Pyrenophora, Pythium, Rhizopus, Stagonosporopsis, Ustilago and Verticillium are dealt with in this paper.
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.
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 découle