MétaCan
Menu
← Retour à la cohorte
Enregistrement W3153682204 · doi:10.1101/2021.04.12.439450

Photodynamic Inactivation reduces the diversity and changes the composition of bacterial and fungal communities associated with leaf surfaces

2021· preprint· en· W3153682204 sur OpenAlexfundno aff
Robert R. Junker, Lisa‐Maria Ohler, Christoph Hamminger, Kristjan Plaetzer

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2021
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePlant Pathogens and Fungal Diseases
Établissements canadiensnon disponible
Organismes subventionnairesSuncor Energy Incorporated
Mots-clésBiologyMicroorganismMicrobiologyReactive oxygen speciesPathogenArabidopsisGeneBacteriaCell biologyBiochemistryGeneticsMutant

Résumé

récupéré en direct d'OpenAlex

Abstract Plant surfaces are colonized by a myriad of microorganisms including mutualistic strains and pathogens. Particularly in agricultural systems applications are required that protect the plants against pathogens without negative side effects on the environment and humans. Photodynamic Inactivation (PDI) has been demonstrated to be a promising approach to efficiently fight plant pathogens. Based on its mechanism of action, the light-induced and photosensitizer-mediated overproduction of reactive oxygen species in target cells, PDI is likely to generally inactivates microorganisms on plants irrespective of their pathogenicity. In order to prove this hypothesis we used next-generation 16S rRNA gene amplicon sequencing to characterize the bacterial and fungal communities associated with leaf surfaces of Arabidopsis thaliana before and after the photodynamic treatment using the chlorine e6 derivative B17-0024 as photoactive compound and showed that this treatment reduced the microbial richness and altered the microbial community composition. These findings may help to develop effective pathogen-control strategies and may also stimulate research on plant-microbe interactions exploiting the potential of PDI.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,191
Écart entre enseignants0,178 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetPlant Pathogens and Fungal Diseases→Travaux en français237 207→