Improving field legume nodulation by crushing nodules onto seeds: implications for small-scale farmers
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
One billion people globally suffer from protein (amino acid) malnutrition. Grain legumes represent a solution. They recruit symbiotic rhizobia bacteria from soil into root nodules, where the rhizobia convert atmospheric nitrogen gas (N 2 ) into ammonia (NH 3 ) which serves as a building block for chlorophyll and protein. However, when a legume species is newly introduced to a region, yields can be low due to incompatible soil rhizobia. Millions of subsistence legume farmers can benefit from inoculation with exotic rhizobia bacteria, but many subsistence farmers especially in Africa do not benefit from commercial inoculants due to real-world constraints. Here, in a sequential series of indoor and outdoor experiments, we show that root nodules (rhizobia habitats) can be harvested and crushed onto legume seeds, ultimately improving nodulation and chlorophyll under field conditions. 16S rRNA metagenomic sequencing confirmed that nodule crushing onto seeds effectively transferred rhizobia to next-generation nodules. Therefore, nodule crushing represents a simple method to diffuse elite rhizobia strains. However, exotic rhizobia come with risks and limitations. Therefore, in addition to diffusing elite rhizobia, we propose that this simple, decentralized technology can also empower smallholders to improve indigenous strains or indigenize exotic strains by repeated nodule crushing from healthy plants.
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.
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 découle