Building on a foundation: advances in epidemiology, resistance breeding, and forecasting research for reducing the impact of fusarium head blight in wheat and barley
Notice bibliographique
Résumé
Fusarium head blight (FHB) is a major fungal disease that contributes to severe economic losses for wheat and barley production in Canada and other parts of the world. Rapid developments in molecular biology over the past three decades have improved the ability to devise predictive management tools to combat the effects of the disease. Important aspects of Fusarium species in terms of the epidemiology associated with FHB in wheat and barley have been reported. The role of mycotoxin production in the epidemiology of the disease is beginning to receive much needed research attention. Evolutionary factors and the use of fungicides have resulted in more virulent forms of the FHB pathogens. Advances in next-generation sequencing technologies, including whole genome sequencing (WGS), genome-wide association studies (GWAS), genotyping by sequencing (GBS) and RNA sequencing (RNA-Seq) have facilitated the selection of resistant-breeding lines through marker-assisted selection. Many quantitative trait loci (QTL) associated with moderate disease resistance have been identified in wheat and barley. Changes in weather conditions play an important role in FHB epidemics and dissemination, thus a systematic and long-term research approach is needed to provide effective forecasting and risk assessment models. This review discusses the history and epidemiology of FHB pathogens in wheat and barley at the global level, as well as potential plant defence mechanisms, the recent progress made in resistance breeding, and modern tools utilized in disease prediction. It also provides future directions for improving the management of the disease with these two important cereals.
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 | 0,002 | 0,001 |
| 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 ».