Genome-enhanced detection and identification of fungal pathogens responsible for pine and poplar rust diseases
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
Biosurveillance is a proactive approach that may help to limit the spread of invasive fungal pathogens of trees, such as rust fungi which have caused some of the world's most damaging diseases of pines and poplars. Most of these fungi have a complex life cycle, with up to five spore stages, which is completed on two different hosts. They have a biotrophic lifestyle and may be propagated by asymptomatic plant material, complicating their detection and identification. A bioinformatics approach, based on whole genome comparison, was used to identify genome regions that are unique to the white pine blister rust fungus, Cronartium ribicola, the poplar leaf rust fungi Melampsora medusae and Melampsora larici-populina or to members of either the Cronartium and Melampsora genera. Species- and genus-specific real-time PCR assays, targeting these unique regions, were designed with the aim of detecting each of these five taxonomic groups. In total, twelve assays were developed and tested over a wide range of samples, including different spore types, different infected plant parts on the pycnio-aecial or uredinio-telial host, and captured insect vectors. One hundred percent detection accuracy was achieved for the three targeted species and two genera with either a single assay or a combination of two assays. This proof of concept experiment on pine and poplar leaf rust fungi demonstrates that the genome-enhanced detection and identification approach can be translated into effective real-time PCR assays to monitor tree fungal pathogens.
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) | 0,000 | 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 découle