Recent Advances on the Multiplex Molecular Detection of Plant Viruses and Viroids
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.
Notice bibliographique
Résumé
Plant viruses are still one of the main contributors to economic losses in agriculture. It has been estimated that plant viruses can cause as much as 50 billion euros loss worldwide, per year. This situation may be worsened by recent climate change events and the associated changes in disease epidemiology. Reliable and early detection methods are still one of the main and most effective actions to develop control strategies for plant viral diseases. During the last years, considerable progress has been made to develop tools with high specificity and low detection limits for use in the detection of these plant pathogens. Time and cost reductions have been some of the main objectives pursued during the last few years as these increase their feasibility for routine use. Among other strategies, these objectives can be achieved by the simultaneous detection and (or) identification of several viruses in a single assay. Nucleic acid-based detection techniques are especially suitable for this purpose. Polyvalent detection has allowed the detection of multiple plant viruses at the genus level. Multiplexing RT polymerase chain reaction (PCR) has been optimized for the simultaneous detection of more than 10 plant viruses/viroids. In this short review, we provide an update on the progress made during the last decade on techniques such as multiplex PCR, polyvalent PCR, non-isotopic molecular hybridization techniques, real-time PCR, and array technologies to allow simultaneous detection of multiple plant viruses. Also, the potential and benefits of the powerful new technique of deep sequencing/next-generation sequencing are described.
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 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) | 0,001 | 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 découle