Distribution of Common Maize Diseases and Molecular Characterization of Maize Streak Virus in Kenya
Notice bibliographique
Résumé
Maize is an important food crop in Kenya and is susceptible to a wide range of diseases. A survey was conducted in 2012 in different agro-ecological zones (AEZ) of Kiambu, Embu and Nakuru counties to determine the distribution of northern leaf blight (NLB), common rust (CR), maize streak disease (MSD), gray leaf spot (GLS), head smut (HS) and common smut (CS). Data collected included prevalence, incidence and severity of each of the diseases. Maize leaf samples infected with MSD were also collected for molecular characterization of Maize streak virus (MSV). Northern leaf blight was reported in all counties surveyed with 100% disease prevalence. Kiambu had the highest incidence (100%) of CR whereas Embu had the highest prevalence (45%) of MSD. The incidences of GLS and HS were very low with averages of below 2.5%. The highest incidence of GLS was in Kiambu (5%). High altitude areas had higher incidences of NLB and GLS while CS and MSD were widespread in the three counties. Comparison of 797 nucleotides from the open reading frame (ORF) C2/C1 of MSV with other sequences from the GenBank showed sequence similarities of 99 to 100% with MSV-A strain. The study revealed that the major foliar diseases of maize are widespread in Kenya and therefore there is need to institute measures to manage these diseases and reduce associated losses. Also, the high percent sequence similarities of MSV indicate low variability which is good for breeders since developed resistant varieties can be adopted over a wider region.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».