Soil and Rhizosphere Bacterial Diversity in Maize Agro- Ecosystem
Notice bibliographique
Résumé
Management practices used in maize production have an impact on soil agro- ecosystems where different microbial communities coexist. Soil inhabiting bacteria are numerous and diverse, but we know very little about their ecological distribution. Here we analyzed the bacterial community diversity in the rhizosphere of two transgenic maize cultivars, in agricultural soil before sowing and in non-cultivated soil in an experimental site in the south region of Uruguay. We followed two culture-independent methods: DGGE (denaturing gradient gel electrophoresis) and 454-pyrosequencing of 16S rRNA gene amplicon. Through pyrosequencing, the three environments analyzed presented differences in terms of bacterial composition. However, no differences were found in the relative abundance of the ten most represented phyla in the rhizosphere of the two cultivars at different phenological stages. We found significant differences of Bacteroidetes, Gemmatimonadetes, Planctomycetes, Proteobacteria and Verrucomicrobia phyla when comparing agricultural and non-cultivated soils, as well as a significant enrichment of members of the phylum Gemmatimonadetes in all rhizosphere samples compared to soil. Through DGGE analysis we evidenced that maize rhizosphere bacterial communities changed at different phenological stages in both cultivars. We also provided baseline information about bacterial specific taxa within maize agro- ecosystem for further evaluation of possible rhizosphere bacterial community shifts of genetically modified maize cultivars under different management practices.
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 | 0,001 | 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 | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».