A duplex droplet digital PCR assay for quantification of <i>Alternaria</i> spp. and <i>Botrytis cinerea</i> on sweet cherry at different growth stages
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
Sweet cherries (Prunus avium) are an economically important crop in British Columbia, Canada. Cherries are harvested and distributed locally and overseas, where seemingly healthy fruit can succumb to postharvest diseases if disease conditions are met. Disease mitigation includes pre-harvest controls such as disease prediction models, disease monitoring, and fungicide applications. Development of disease-prediction models requires an understanding of how host and environmental conditions can affect the quantity of pathogens; therefore, quick, sensitive and accurate methods for pathogen quantification are required. This study has identified Alternaria spp. and Botrytis cinerea as major contributors to sweet cherry rot in Kelowna, British Columbia, in 2016 and developed a novel duplex droplet digital PCR assay for the rapid, concurrent quantification of the two pathogens. The assay involves the amplification of two abundant target regions, the internal transcribed spacer, and the intergenic spacer, in Alternaria spp. and B. cinerea, respectively. The detection limit was 0.1 pg of DNA for each target. The assay was validated during the 2016 and 2017 growing seasons at the bud break (2017 only), full bloom, petal fall, onset of straw colour and harvest stages of sweet cherry. In general, pathogen quantities were lowest at petal fall and highest during late season. The method can be used in future studies to evaluate pathogen quantities during the growing season and to facilitate the development of disease-prediction models and mitigation practices for growers.
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 | 0,000 |
| 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 | 0,000 |
| 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