Culturable bacterial microflora associated with nectarine fruit and their potential for control of brown rot
Notice bibliographique
Résumé
Microflora of fruit surfaces have been the best source of antagonists against fungi causing postharvest decay of fruit. However, there is little information on microflora colonizing surfaces of fruits other than grape, apple, and citrus. We characterized bacterial microflora on nectarine fruit surfaces from the early stage of development until harvest. Identification of bacterial strains was made using MIDI (fatty acid methyl ester analysis) and Biolog systems. Biolog identified 35% and MIDI 53% of the strains. Thus results from MIDI were used to determine the frequency of occurrence of genera and species. The most frequently occurring genera were Curtobacterium (21.31%), followed by Pseudomonas (19.99%), Microbacterium (13.57%), Clavibacter (9.69%), Pantoea (6.59%), and Enterobacter (4.26%). The frequency of isolations of some bacteria - for example, the major pseudomonads (Pseudomonas syringae, Pseudomonas putida, and Pseudomonas savastanoi) or Pantoea agglomerans - tended to decline as fruit developed. As Pseudomonas declined, Curtobacterium became more dominant. Time of isolation was a significant factor in the frequency of occurrence of different bacteria, indicating succession of the genera. Throughput screening of the bacterial strains against Monilinia fructicola on nectarine fruit resulted in the detection of strains able to control brown rot. The 10 best-performing antagonistic strains were subjected to secondary screening. Four strains reduced decay severity by more than 50% (51.7%-91.4% reduction) at the high pathogen inoculum concentration of 105 conidia/mL.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 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 ».