Exploring Microbial Dysbiosis in Orchards Affected by Little Cherry Disease
Notice bibliographique
Résumé
The phytoplasma ‘ Candidatus Phytoplasma pruni’, a causative agent of little cherry disease (LCD), has become an increasing problem for sweet cherry growers in Washington State, which is the largest producer of cherry fruit in the United States. The control of LCD currently relies on the identification and removal of infected trees, which has proven to be difficult because of the prolonged asymptomatic but still contagious state of the disease, and the lack of reliable and economical tests. Thus, the development of new approaches for early detection of LCD will be an important step in the successful control of this tree fruit disease. To identify potential microbial indicators of ‘ Ca. P. pruni’ infection, we evaluated the bacterial and fungal communities in the roots of cherry trees from two different orchards that were (i) infected with ‘ Ca. P. pruni’ and symptomatic; (ii) infected with ‘ Ca. P. pruni’ but remained asymptomatic; and (iii) healthy, with non-‘ Ca. P. pruni’-infected trees. We found significant variation in the microbiomes between the two cherry orchards, with the location being a stronger driving factor determining the fungal compared with the bacterial community. The fungal communities were less affected by the disease conditions compared with the bacterial microbiome. Overall, this study demonstrates the feasibility of the microbiome approach for the early detection of LCD caused by ‘ Ca. P. pruni’ but also demonstrates that more orchards need to be sampled because location was a stronger contributor to the microbiome of cherry tree roots than disease condition.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».