MétaCan
Menu
Retour à la cohorte
Enregistrement W3186257338 · doi:10.3390/microorganisms9071533

Recent Developments in the Study of Plant Microbiomes

2021· review· en· W3186257338 sur OpenAlexaff
Bernard R. Glick, Elisa Gamalero

Notice bibliographique

RevueMicroorganisms · 2021
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant-Microbe Interactions and Immunity
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésPlant growthBiologyMicrobiomeBacteriaMicroorganismPlant rootsPlant developmentBiotechnologyBotany

Résumé

récupéré en direct d'OpenAlex

To date, an understanding of how plant growth-promoting bacteria facilitate plant growth has been primarily based on studies of individual bacteria interacting with plants under different conditions. More recently, it has become clear that specific soil microorganisms interact with one another in consortia with the collective being responsible for the positive effects on plant growth. Different plants attract different cross-sections of the bacteria and fungi in the soil, initially based on the composition of the unique root exudates from each plant. Thus, plants mostly attract those microorganisms that are beneficial to plants and exclude those that are potentially pathogenic. Beneficial bacterial consortia not only help to promote plant growth, these consortia also protect plants from a wide range of direct and indirect environmental stresses. Moreover, it is currently possible to engineer plant seeds to contain desired bacterial strains and thereby benefit the next generation of plants. In this way, it may no longer be necessary to deliver beneficial microbiota to each individual growing plant. As we develop a better understanding of beneficial bacterial microbiomes, it may become possible to develop synthetic microbiomes where compatible bacteria work together to facilitate plant growth under a wide range of natural conditions.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,064
Tête enseignante GPT0,282
Écart entre enseignants0,218 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations169
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicroorganismsMême sujetPlant-Microbe Interactions and ImmunityTravaux en français237 207