Will Phosphate Bio-Solubilization Stimulate Biological Nitrogen Fixation in Grain Legumes?
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
Biological nitrogen fixation (BNF) refers to a bacterially mediated process by which atmospheric N 2 is reduced, either symbiotically or non-symbiotically, into ammonia (NH 3 ) in the presence of the enzyme complex nitrogenase. In N 2 -fixing grain legumes, BNF is often hampered under low phosphorus (P) availability. The P status of legumes, particularly nodules, as well as P availability in the rhizosphere, play a vital role in regulating BNF. Aside from increasing P availability via fertilization, other plant traits (i.e., extensive rooting system and their spatial distribution, hyper-nodulation, root exudates, rhizosphere acidification, and heterogeneity) contribute to greater P uptake and hence more effective BNF. The positive interaction between P availability and BNF can be exploited through beneficial soil P solubilizing microorganisms (PSM). These microorganisms can increase plant-available P by modifying either rhizosphere soil processes or promoting plant traits, which lead to increased P uptake by the production of plant growth-promoting substances, both of which could indirectly influence the efficiency of BNF in legumes. In this review, we report on the importance of microbial P bio-solubilization as a pathway for improving BNF in grain legumes via PSM and P solubilizing bacteria (PSB). Because BNF in legumes is a P-requiring agro-ecological process, the ability of soil PSB to synergize with the rhizobial strains is likely a key belowground process worth investigating for advanced research aiming to improve rhizosphere biological functions necessary for sustainable legume-based cropping systems.
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 | 0,001 |
| 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