An intensive multilocation temporal dataset of fungal and bacterial communities in the root and rhizosphere of Brassica napus
Notice bibliographique
Résumé
The plant microbiome has been recently recognized as a plant phenotype to help in the food security of the future population. However, global plant microbiome datasets are insufficient to be used effectively for breeding this new generation of crop plants. We surveyed the diversity and temporal composition of bacterial and fungal communities in the root and rhizosphere of Brassica napus, the world's second largest oilseed crop, weekly in eight diverse lines at one site and every three weeks in sixteen lines, at three sites in 2016 and 2017 in the Canadian Prairies. We sequenced the bacterial 16S ribosomal RNA gene generating a total of 127.7 million reads and the fungal internal transcribed spacer (ITS) region generating 113.4 million reads. 14,944 unique fungal amplicon sequence variants (ASV) were detected, with an average of 43 ASVs per root and 105 ASVs per rhizosphere sample. We detected 10,882 unique bacterial ASVs with an average of 249 ASVs per sample. Temporal, site-to-site, and line-driven variability were key determinants of microbial community structure. This dataset is a valuable resource to systematically extract information on the belowground microbiome of diverse B. napus lines in different environments, at different times in the growing season, in order to adapt effective varieties for sustainable crop production systems.
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 ».