MétaCan
Menu
Retour à la cohorte
Enregistrement W2735106058 · doi:10.5539/jps.v6n2p65

Response of Assorted Maize Germplasm to the Maize Lethal Necrosis Disease in Kenya

2017· article· en· W2735106058 sur OpenAlex

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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJournal of Plant Studies · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Virus Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiologyGermplasmCropAgronomyInoculationInbred strainHectareOutbreakPlant disease resistanceFood securityZea maysGenotypeHorticultureVeterinary medicineMedicineAgricultureVirology

Résumé

récupéré en direct d'OpenAlex

Maize (Zea mays L.) is the most widely grown staple food crop in Sub Saharan Africa (SSA) and occupies more than 33 million hectares each year. The recent outbreak and rapid spread of the Maize Lethal Necrosis (MLN) disease has emerged as a great challenge to maize production, threatening food security for the majority of households in the Eastern Africa region with yield loss estimated to be 50-90%. The disease is a result of synergistic interaction between two viruses, Sugarcane mosaic virus (SCMV) and Maize chlorotic mottle virus (MCMV). The objective of this study was to identify maize genotypes with resistance to MLN. In season one, 73 maize genotypes comprising 25 inbred lines from research institutes, 30 lines from the International Maize and Wheat Improvement Centre (CIMMYT) and 18 farmer varieties were screened for resistance to MLN. In season 2, only 48 genotypes were screened after some of the inbred lines showed complete susceptibility to MLN. These genotypes were grown in three replications in a completely randomized design in polythene bags in the greenhouse at the University of Nairobi. The plants were artificially inoculated using a mixture of SCMV and MCMV. .Weekly MLN disease severity scores using a scale of 1 to 5 (1 = highly resistant and 5 = highly susceptible) and % MLN incidence were recorded and eventually converted into Area under Disease Progress Curve (AUDPC) to give an indication of the disease intensity over time. The plants were allowed to grow to flowering stage to observe the effect of the MLN on the maize productivity. Analysis of Variance revealed wide genetic variation among the genotypes ranging from resistant to highly susceptible. In season 1, three farmer varieties namely MLR2, MLR11 and MLR13 showed resistance to MLN with a mean severity score of 2. In season 2, MLN12, MLN17, MLN18, MLN19, and MLR4 showed low MLN severity ranging from 2-3. The genotypes MLR6, MLR9, MLR16 and MLR18 showed MLN severity of 3 and early maturity traits. This study also validated the presence of MLN resistance among some CIMMYT lines depicted to show resistance in previous studies. These resistant genotypes could serve as donors in the introgression of the resistance into the adapted Kenyan maize backgrounds. This will go a long way in ensuring sustainable maize productivity while improving the livelihoods of the small-scale farmers who form the bulk of the major maize producers in Kenya.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,687
Score d'incertitude au seuil0,571

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,091
Tête enseignante GPT0,333
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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