Transcriptome analysis identified the mechanism of synergy between sethoxydim herbicide and a mycoherbicide on green foxtail
Notice bibliographique
Résumé
Certain synthetic herbicides can act synergistically with specific bioherbicides. In this study, a sethoxydim herbicide at 0.1× label rate improved biocontrol of herbicide-sensitive green foxtail (Setaria viridis, GFT) by Pyricularia setariae (a fungal bioherbicide agent), but did not change the efficacy on a herbicide-resistant GFT biotype. Reference transcriptomes were constructed for both GFT biotypes via de novo assembly of RNA-seq data. GFT plants treated with herbicide alone, fungus alone and herbicide + fungus were compared for weed-control efficacy and differences in transcriptomes. On herbicide-sensitive GFT, sethoxydim at the reduced rate induced ABA-activated signaling pathways and a bZIP transcription factor 60 (TF bZIP60), while improved the efficacy of biocontrol. The herbicide treatment did not increase these activities or improve biocontrol efficacy on herbicide-resistant plants. An exogenous application of ABA to herbicide-sensitive plants also enhanced bZIP60 expression and improved biocontrol efficacy, which supported the results of transcriptome analysis that identified the involvement of ABA and bZIP60 in impaired plant defense against P. setariae. It is novel to use transcriptome analysis to decipher the molecular basis for synergy between a synthetic herbicide and a bioherbicide agent. A better understanding of the mechanism underlining the synergy may facilitate the development of weed biocontrol.
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 | 0,002 |
| 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 ».