Physiological specialization of <i>Puccinia triticina</i>, the causal agent of wheat leaf rust, in Canada in 2014
Notice bibliographique
Résumé
Wheat leaves infected with Puccinia triticina, the causal agent of wheat leaf rust, were collected from across Canada in 2014. From these leaves, 102 single-pustule isolates were recovered and tested for virulence on 16 standard differential wheat lines, with 28 unique virulence phenotypes found. The most common were TBDG (16.7%), TBBG (13.7%), MLPS and TNBG (both at 7.8%). Most isolates (95) originated from Manitoba and Saskatchewan, and the most common phenotypes found in this region were TBDG (17.9%), TBBG (14.7%), MLPS and TNBG (both at 8.4%). From Ontario, six virulence phenotypes were found from seven isolates: TCGJ (two isolates), MBDS, MCQG, MFPS, MGBS and TBGS (one isolate each). Frequencies of virulence in 2014 increased for Lr2a, Lr2c, Lr26 and Lr10 when compared with 2013, while there were decreases in virulence to Lr9, Lr24, Lr3ka, Lr30, Lr14a, Lr21 and LrCen. When 30 isolates, representing most of the unique virulence phenotypes, were tested on adult plants nearly all were virulent to the adult plant resistance genes Lr12, Lr13 and Lr37, most were avirulent to Lr35, and all were avirulent to Lr22a. When this subset of isolates was inoculated onto additional seedling differentials, most were virulent to Lr15 and Lr14b and avirulent to Lr25 and Lr29, and all isolates were avirulent to Lr19, Lr32 and Lr52. There were intermediate levels of virulence on Lr3bg, Lr20, Lr23 and Lr28.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».