Microbial Community Dynamics of Soybean (Glycine max) Is Affected by Cropping Sequence
Notice bibliographique
Résumé
The microbial composition of the rhizosphere soil could be an important determinant of crop yield, pathogen resistance, and other beneficial attributes in plants. However, little is known about the impact of cropping sequences on microbial community dynamics, especially in economically important species like soybean. Using 2-year crop sequences of corn-soybean, canola-soybean, and soybean-soybean, we investigated how crops from the previous growing season influenced the structure of the microbiome in both the bulk soil and soybean rhizosphere. A combination of marker-based Illumina sequencing and bioinformatics analyses was used to show that bacterial species richness and evenness in the soybean rhizosphere soil were similar following canola and soybean compared to a previous corn sequence. However, fungal species richness and evenness remained unaffected by crop sequence. In addition, bacterial and fungal species diversity in both the bulk and soybean rhizosphere soil were not influenced by crop sequence. Lastly, the corn-soybean sequence significantly differed in the relative abundance of certain bacterial and fungal classes in both the soybean rhizosphere and bulk soil. While canola-soybean and a continuous soybean sequence did not, suggesting that a preceding corn sequence may reduce the occurrence of overall bacterial and fungal community members. For the present study, crop sequence impacts bacterial diversity and richness in both the bulk soil and soybean rhizosphere soil whereas fungal diversity and richness are resilient to crop sequence practices. Together, these findings could help drive decision making for annual crop and soil management practices.
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 | 0,000 | 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 | 0,001 |
| 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 ».