Modulating Drought Stress Response of Maize by a Synthetic Bacterial Community
Notice bibliographique
Résumé
Plant perception and responses to environmental stresses are known to encompass a complex set of mechanisms in which the microbiome is involved. Knowledge about plant physiological responses is therefore critical for understanding the contribution of the microbiome to plant resilience. However, as plant growth is a dynamic process, a major hurdle is to find appropriate tools to effectively measure temporal variations of different plant physiological parameters. Here, we used a non-invasive real-time phenotyping platform in a one-to-one (plant-sensors) set up to investigate the impact of a synthetic community (SynCom) harboring plant-beneficial bacteria on the physiology and response of three commercial maize hybrids to drought stress (DS). SynCom inoculation significantly reduced yield loss and modulated vital physiological traits. SynCom-inoculated plants displayed lower leaf temperature, reduced turgor loss under severe DS and a faster recovery upon rehydration, likely as a result of sap flow modulation and better water usage. Microbiome profiling revealed that SynCom bacterial members were able to robustly colonize mature plants and recruit soil/seed-borne beneficial microbes. The high-resolution temporal data allowed us to record instant plant responses to daily environmental fluctuations, thus revealing the impact of the microbiome in modulating maize physiology, resilience to drought, and crop productivity.
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 ».