MétaCan
Menu
Retour à la cohorte
Enregistrement W2939578820 · doi:10.1080/07060661.2019.1592228

Leaf blight on okra caused by <i>Choanephora cucurbitarum</i> in China

2019· article· en· W2939578820 sur OpenAlexvenueno aff
Peiqing Liu, Jinzhu Zhang, Rongbo Wang, Benjin Li, Qinghe Chen, Qiyong Weng

Notice bibliographique

RevueCanadian Journal of Plant Pathology · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePlant Pathogens and Fungal Diseases
Établissements canadiensnon disponible
Organismes subventionnairesNatural Science Foundation of Fujian Province
Mots-clésBiologyBlightAbelmoschusPhylogenetic treeInternal transcribed spacerIntergenic regionCropPhylogenetic relationshipBotanyPathogenicityHorticultureGeneAgronomyGeneticsGenome

Résumé

récupéré en direct d'OpenAlex

Okra (Abelmoschus esculentus (L.) Moench) is an economically important vegetable crop that is widely cultivated in the tropics for its nutritional properties. There are concerns, though, that in China, commercial okra production is at risk from an emerging leaf blight disease, that has been recently observed in Fujian Province. Fungi were isolated from diseased okra leaves collected in 2016 and 89 fungal isolates were tentatively identified as Choanephora cucurbitarum based on cultural and sporangia characters. DNA sequences of the internal transcribed spacer (ITS) region and the D1/D2 region of the large subunit (LSU) of the rRNA gene from two representative isolates (C6 and C7) were 99% identical to those of C. cucurbitarum obtained from NCBI. Phylogenetic analysis based on the ITS sequences showed that C6 and C7 clustered with C. cucurbitarum. All 89 fungal isolates were found to be pathogenic to okra leaves. We provide the first confirmation that, based on morphological, pathogenicity and phylogenetic analyses, the causal agent of leaf blight of okra in China was C. cucurbitarum.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,127

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,004
Tête enseignante GPT0,186
Écart entre enseignants0,181 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations9
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Plant PathologyMême sujetPlant Pathogens and Fungal DiseasesTravaux en français237 207