From genomes to forest management – tackling invasive<i>Phytophthora</i>species in the era of genomics
Notice bibliographique
Résumé
Species of Phytophthora pose one of the most serious biosecurity threats to forest ecosystems worldwide. Despite management efforts and increased awareness of forest pathogens, there is continued introduction and spread of Phytophthora species. Uncertainty about the center of origin for many of the invasive species hampers disease control efforts. Additionally, the management efforts are often made impossible either by the vast host range or the extreme susceptibility of naïve hosts. In this review, we discuss how genomics has shed light on the extent of spread and destruction caused by invasive Phytophthora species, and how approaches leveraged by genomics can be applied to enhance the management of these invasive forest pathogens. Four case studies, Phytophthora ramorum, Phytophthora lateralis, Phytophthora cinnamomi, and Phytophthora pluvialis are used to illustrate how genomics can be applied to forest management. We urge researchers, governmental research institutes, private companies, and citizens to collaborate in order to stop the spread of invasive Phytophthora species. To accomplish this, we see the following themes as critical parts of resolving this forest health crisis: i) integration of DNA-based pathogen detection into forest inventory programs; ii) development of practical and affordable DNA-based diagnostic methods; iii) sequence hosts as models for resistance gene identification; iv) prediction of pathogen impact based on genomic data; and v) increase collaborative projects and outreach to raise awareness of forest diseases.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».