The Effect of Simulated Lepidopteran Ear Feeding Injury on Mycotoxin Accumulation in Grain Corn (Poales: Poaceae)
Notice bibliographique
Résumé
Fusarium graminearum Schwabe (Hypocreales: Nectriaceae) and Fusarium verticillioides (Saccardo) (Hypocreales: Nectriaceae) Nirenberg infection results in accumulation of deoxynivalenol (DON), zearalenone (ZON), and fumonisin (FBs) mycotoxins in infected corn, Zea mays L. Lepidopteran insect feeding may exacerbate fungal infection by providing entry points on the ear resulting in increased mycotoxin contamination of grain. The objective of the current study was to simulate different types and severity levels (extent of injury) of lepidopteran injury to corn ears at different stages of ear development and its effect on mycotoxin accumulation in grain corn. Field experiments were conducted under conditions favorable for F. graminearum development where insect injury was simulated to corn ears and inoculated with F. graminearum. All simulated injury treatments resulted in elevated mycotoxin concentration compared with ears without simulated injury; however, the severity of injury within a treatment had little effect. Injury to kernels on the side of the ear resulted in greater DON and ZON concentration than injury to tip kernels, grazing injury applied at physiological maturity, or when no injury was simulated. Greater FBs was measured when tip kernel injury was simulated at the blister stage or when side kernel injury was simulated at milk and dent stages compared with noninjured ears, silk clipping, tip injury at milk and dent stages, or grazing injury at physiological maturity. The current study confirms that the risk of mycotoxin accumulation in the Great Lakes region is greater in the presence of ear-feeding insect pests and may differ depending on the feeding behavior of pest species.
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 | 0,001 | 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 ».