Sustainability on the farm: breeding for resistance and management of major canola diseases in Canada contributing towards an IPM approach
Notice bibliographique
Résumé
Genetic diversity is vital for the survival of any population. If humans were all the same, a single strain of a nasty flu virus, like COVID-19, could wipe us all out! In plants, genetic diversity plays a similar role. The variation in the type and number of resistance gene(s) between individuals can cause the difference between surviving a disease or not. Studies on genetic diversity will lead to the identification of novel disease-resistance genes. Canola (Brassica napus L.) is an economically and nutritionally important oilseed worldwide. Several serious diseases, including blackleg, clubroot, sclerotinia stem rot, and verticillium stripe, threaten canola production in Canada and worldwide. Traditional methods are not enough for effective control of these diseases. Therefore, the ideal approach is to optimize and utilize the resistance genes found in different B. napus cultivars. With the advent of next-generation sequencing and the development of genomics and molecular genetics techniques, it is now possible to rapidly identify and apply resistance genes. This paper reviews current information about disease-resistance genes identified in B. napus cultivars, mapping and cloning, their importance, role and function, and their association with plant disease resistance and application in resistance breeding. The feasibility of using current resistance sources in Canadian cultivars for developing new disease-resistant cultivars is also discussed. Sustainability of a farm and an agricultural system could be maintained by breeding for disease resistance, including the resistant varieties and incorporating other integrated pest management strategies along with it.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».