Detection of Fungi and Oomycetes by Volatiles Using E-Nose and SPME-GC/MS Platforms
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Fungi and oomycetes release volatiles into their environment which could be used for olfactory detection and identification of these organisms by electronic-nose (e-nose). The aim of this study was to survey volatile compound emission using an e-nose device and to identify released molecules through solid phase microextraction–gas chromatography/mass spectrometry (SPME–GC/MS) analysis to ultimately develop a detection system for fungi and fungi-like organisms. To this end, cultures of eight fungi (Armillaria gallica, Armillaria ostoyae, Fusarium avenaceum, Fusarium culmorum, Fusarium oxysporum, Fusarium poae, Rhizoctonia solani, Trichoderma asperellum) and four oomycetes (Phytophthora cactorum, P. cinnamomi, P. plurivora, P. ramorum) were tested with the e-nose system and investigated by means of SPME-GC/MS. Strains of F. poae, R. solani and T. asperellum appeared to be the most odoriferous. All investigated fungal species (except R. solani) produced sesquiterpenes in variable amounts, in contrast to the tested oomycetes strains. Other molecules such as aliphatic hydrocarbons, alcohols, aldehydes, esters and benzene derivatives were found in all samples. The results suggested that the major differences between respective VOC emission ranges of the tested species lie in sesquiterpene production, with fungi emitting some while oomycetes released none or smaller amounts of such molecules. Our e-nose system could discriminate between the odors emitted by P. ramorum, F. poae, T. asperellum and R. solani, which accounted for over 88% of the PCA variance. These preliminary results of fungal and oomycete detection make the e-nose device suitable for further sensor design as a potential tool for forest managers, other plant managers, as well as regulatory agencies such as quarantine services.
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.
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 découle