MétaCan
Menu
Retour à la cohorte
Enregistrement W2884091261 · doi:10.3389/fmicb.2018.01599

Molecular Tools for Monitoring Trichoderma in Agricultural Environments

2018· review· en· W2884091261 sur OpenAlexfundno aff
László Kredics, Liqiong Chen, Orsolya Kedves, Rita Büchner, Lóránt Hatvani, Henrietta Allaga, Viktor Dávid Nagy, Jamal M. Khaled, Naiyf S. Alharbi, Csaba Vágvölgyi

Notice bibliographique

RevueFrontiers in Microbiology · 2018
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant-Microbe Interactions and Immunity
Établissements canadiensnon disponible
Organismes subventionnairesNational Research, Development and Innovation OfficeInstitute of Population and Public HealthMagyarország KormányaEuropean CommissionNemzeti Kutatási Fejlesztési és Innovációs HivatalTechnische Universität WienMagyar Tudományos AkadémiaKing Saud University
Mots-clésTrichodermaMushroomBiologyBiotechnologyAgricultureBiological pest controlBiofertilizerPolymerase chain reactionBotanyEcologyGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Various Trichoderma species possess significance in agricultural systems as biofertilizers or biocontrol agents (BCAs). Besides these beneficial features, certain Trichoderma species can also act as agricultural pests, causing the green mould disease of cultivated mushrooms. This double-faced nature of the genus in agricultural environments points at the importance of proper monitoring tools, which can be used to follow the presence and performance of candidate as well as patented and/or registered biocontrol strains, to assess the possible risks arising from their application, but also to track harmful, unwanted Trichoderma species like the green moulds in mushroom growing facilities. The objective of this review is to discuss the molecular tools available for the species- and strain-specific monitoring of Trichoderma, ranging from immunological approaches and fingerprinting tools to exogenous markers, specific primers used in polymerase chain reaction (PCR) as well as ‘omics’ approaches.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,988
Score d'incertitude au seuil0,623

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,035
Tête enseignante GPT0,267
Écart entre enseignants0,232 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations63
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in MicrobiologyMême sujetPlant-Microbe Interactions and ImmunityTravaux en français237 207