Microbial communities in soils with different population densities of soybean cyst nematode
Notice bibliographique
Résumé
The relationship of abiotic factors with soybean cyst nematode (SCN), the most damaging pathogen of soybean, has been studied extensively, but characterization of microbial communities in infested soils and on soybean roots under field conditions remains unknown. This study investigated the relationship of different SCN population density levels with soil physical, chemical and microbial properties in soils and on soybean roots. A commercial soybean field with different levels of SCN densities (low, medium, high) was sampled, and microbial communities were characterized using both dilution plating assays and molecular approaches. Population densities of species of Trichoderma, actinomycetes, Pseudomonas and other bacteria were significantly higher (P ≤ 0.05) in soils with low SCN (SCN-C) compared with high (SCN-A) and medium levels (SCN-B). Diversity indices of Trichoderma communities on roots based on denaturing gradient gel electrophoresis (DGGE) were significantly higher in soils with SCN-C compared with SCN-A and SCN-B. Cluster analyses and canonical correspondence analysis (CCA) generally separated microbial communities into three groups based on different SCN levels, and CCA showed that low SCN population levels were positively correlated with high levels of nitrogen (N), potassium (K), calcium (Ca), magnesium (Mg), sodium (Na), cation exchange capacity (CEC), base saturation (BS), the populations of Trichoderma and bacteria. Moreover, diverse Trichoderma, Pseudomonas, Bacillus and actinomycetes were found on roots in SCN-C soils based on dilution plating and DGGE, suggesting that the presence of these microbes on soybean roots might be associated with improved plant health and reduction of SCN.
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 | 0,000 | 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 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 ».