Physiological specialization of <i>Puccinia triticina</i>, the causal agent of wheat leaf rust, in Canada in 2013
Notice bibliographique
Résumé
Wheat leaves infected with leaf rust collected across Canada in 2013 were used to isolate 265 Puccinia triticina Eriks. single uredinial isolates. When these were analysed for virulence on 16 standard differential wheat lines 38 virulence phenotypes were found, with MBDS (11.7%), TBBG (11.3%), TNBG (10.2%) and MBTN (8.3%) the most common. In Manitoba and Saskatchewan, 29 virulence phenotypes were found among 236 isolates, with MBDS (13.1%), TBBG (12.7%) and TNBG (11.4%) being the most common. From Ontario, four virulence phenotypes MBTN (73.7%), LCDN (10.5%), MGPS (10.5%) and TCRJ (5.3%) were determined among 19 isolates. There were 10 isolates from Prince Edward Island which grouped into seven different virulence phenotypes, the most common being MBNQ (three isolates) and MCNQ (two isolates). The frequencies of virulence to Lr9, Lr26, Lr3ka, Lr17, Lr30, Lr14a and Lr21 increased, and virulence to Lr2a, Lr2c, Lr16, Lr24, Lr11, Lr10 and Lr18 decreased, when compared with 2012. The increase in virulence frequency to Lr21 is important since many Canadian wheat cultivars have this gene, and could become more susceptible. There were no virulence phenotypes in common between Ontario and Prince Edward Island, and only one virulence phenotype from each of these regions was found in the larger sample from Manitoba and Saskatchewan, demonstrating the differences in the populations across Canada.
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 ».