Detection of Neighboring Weeds Alters Soybean Seedling Roots and Nodulation
Notice bibliographique
Résumé
Crop and weed competition studies rarely determine how plant-to-plant interactions alter the structure and physiology of crop roots. Soybean has the ability to detect neighboring weeds and to alter growth patterns including the allocation of resources to root growth. In this study, we hypothesized that low red : far red light ratio (R : FR) reflected from aboveground vegetative tissue of neighboring weeds would alter soybean root morphology and reduce root biomass and nodule number. All experiments were conducted under controlled conditions in which resources of light, water, and nutrients were nonlimiting. Low R : FR reflected from aboveground neighboring weeds reduced soybean seedling root length, surface area, and volume, including the number of nodules per plant. An accumulation of H2O2, an increase in malondialdehyde (MDA) content, a reduction in flavonoid content, and a decrease in 1,1-diphenyl-2-picrylhydrazyl (DPPH)–radicle scavenging activity were observed. The reduction in flavonoid content was accompanied by a decrease in the transcription ofGmIFS andGmN93 and an increase in transcript levels of several antioxidant genes. These molecular and physiological changes may have a physiological cost to the soybean plant, which may limit the plant's ability to respond to subsequent abiotic and biotic stresses that will occur under field conditions.
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) | 0,000 | 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) | 0,001 | 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 ».