Spray‐induced gene silencing for disease control is dependent on the efficiency of pathogen RNA uptake
Notice bibliographique
Résumé
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 Spray-Induced Gene Silencing (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 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's 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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».