Four In Silico Designed and Validated qPCR Assays to Detect and Discriminate Tilletia indica and T. walkeri, Individually or as a Complex
Notice bibliographique
Résumé
Several fungi classified in the genus Tilletia are well-known to infect grass species including wheat (Triticum). Tilletia indica is a highly unwanted wheat pathogen causing Karnal bunt, subject to quarantine regulations in many countries. Historically, suspected Karnal bunt infections were identified by morphology, a labour-intensive process to rule out other tuberculate-spored species that may be found as contaminants in grain shipments, and the closely-related pathogen T. walkeri on ryegrass (Lolium). Molecular biology advances have brought numerous detection tools to discriminate Tilletia congeners (PCR, qPCR, etc.). While those tests may help to identify T. indica more rapidly, they share weaknesses of targeting insufficiently variable markers or lacking sensitivity in a zero-tolerance context. A recent approach used comparative genomics to identify unique regions within target species, and qPCR assays were designed in silico. This study validated four qPCR tests based on single-copy genomic regions and with highly sensitive limits of detection (~200 fg), two to detect T. indica and T. walkeri separately, and two newly designed, targeting both species as a complex. The assays were challenged with reference DNA of the targets, their close relatives, other crop pathogens, the wheat host, and environmental specimens, ensuring a high level of specificity for accurate discrimination.
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 ».