Spray-induced gene silencing for disease control is dependent on the efficiency of pathogen RNA uptake
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
Abstract Recent discoveries show that fungi can take up environmental RNA, which can then silence fungal genes through environmental RNA interference. This discovery prompted the development of S pray- I nduced G ene S ilencing (SIGS) for plant disease management. In this study, we aimed to determine the efficacy of SIGS across a variety of eukaryotic microbes. We first examined the efficiency of RNA uptake in multiple pathogenic and non-pathogenic fungi, and an oomycete pathogen. We observed efficient double-stranded RNA (dsRNA) uptake in the fungal plant pathogens Botrytis cinerea , Sclerotinia sclerotiorum , Rhizoctonia solani , Aspergillus niger , and Verticillium dahliae , but no uptake in Colletotrichum gloeosporioides , and weak uptake in a beneficial fungus, Trichoderma virens . For the oomycete plant pathogen, Phytophthora infestans , RNA uptake was limited, and varied across different cell types and developmental stages. Topical application of dsRNA targeting virulence-related genes in the pathogens with high RNA uptake efficiency significantly inhibited plant disease symptoms, whereas the application of dsRNA in pathogens with low RNA uptake efficiency did not suppress infection. Our results have revealed that dsRNA uptake efficiencies vary across eukaryotic microbe species and cell types. The success of SIGS for plant disease management can largely be determined by the pathogen RNA uptake efficiency.
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 | 0,001 | 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 | 0,001 | 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