Cold acclimation and prospects for cold-resilient crops
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
Low-temperatures pose extreme challenges to crops causing significant economical impacts. Frosts are responsible for more than 30% of weather-related insured crop losses in some temperate climate jurisdictions, but are particularly devastating for small holdings and communities reliant on a bountiful harvest. Low-temperatures are also frequently accompanied by other abiotic and biotic stresses, including pathogen attacks. Some pathogens have sub-zero temperature optima, while others leverage low-temperatures to promote freezing at high sub-zero temperatures by way of ice-nucleating proteins in order to access intracellular nutrients. To survive low-temperatures and the attendant risks, various plant species have evolved complex and intricate signaling networks, molecular mechanisms, and physiological changes, in addition to symbiotic relationships with microbiota. Enhancing low-temperature survival and pathogen-induced freezing tolerance in cold susceptible, agriculturally significant crops is an attractive area of research with immense translatable value to all aspects of society. This area of research will be particularly important in our near future as climate change increases the unpredictability of frosts, particularly in the spring and autumn. Against this backdrop, the world population continues to grow while arable land remains finite and wealth inequality exacerbates food poverty. In this review, we examine plant (i) low-temperature stress, (ii) cold acclimation responses , particularly in crops (iii) antifreeze proteins, and (iv) frost-associated pathogens. Lastly, we suggest integrated approaches to improve crop frost tolerance.
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