MétaCan
Menu
Retour à la cohorte
Enregistrement W3197684813 · doi:10.4236/as.2021.129060

Marsh Spot Disease and Its Causal Factor, Manganese Deficiency in Plants: A Historical and Prospective Review

2021· article· en· W3197684813 sur OpenAlexafffund
Bosen Jia, Penner Waldo, R. L. Conner, Ismaël Moumen, Nadeem Khan, Xuhua Xia, Anfu Hou, Frank M. You

Notice bibliographique

RevueAgricultural Sciences · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Micronutrient Interactions and Effects
Établissements canadiensUniversity of OttawaAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésEpistasisQuantitative trait locusLeaf spotBiologyGeneCandidate geneGeneticsBotany

Résumé

récupéré en direct d'OpenAlex

This review provides an examination of the marsh spot disease in beans and the roles played by its causal factor, manganese (Mn) deficiency. The discovery of the marsh spot disease, its relation with Mn deficiency, and how it can be treated are discussed. Mn serves as a cofactor and a catalyst in various metabolic processes in different cell compartments, such as the oxygen-evolving complex of photosystem II (PSII) or reactive oxygen species scavenging. Some major quantitative trait loci (QTL) and putative candidate genes associated with Mn content in plants, especially in plant seeds, have been identified. Marsh spot disease in cranberry common bean is controlled by several major genes with significant additive and epistatic effects. They provide valuable clues for QTL candidate gene prediction and an improved understanding of the genetic mechanisms responsible for marsh spot resistance in plants.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,709
Score d'incertitude au seuil0,220

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,022
Tête enseignante GPT0,234
Écart entre enseignants0,212 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations4
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAgricultural SciencesMême sujetPlant Micronutrient Interactions and EffectsTravaux en français237 207