A glimmer of hope – ash genotypes with increased resistance to ash dieback pathogen show cross‐resistance to emerald ash borer
Notice bibliographique
Résumé
Plants rely on cross-resistance traits to defend against multiple, phylogenetically distinct enemies. These traits are often the result of long co-evolutionary histories. Biological invasions can force naïve plants to cope with novel, coincident pests, and pathogens. For example, European ash (Fraxinus excelsior) is substantially threatened by the emerald ash borer (EAB), Agrilus planipennis, a wood-boring beetle, and the ash dieback (ADB) pathogen, Hymenoscyphus fraxineus. Yet, plant cross-resistance traits against novel enemies are poorly explored and it is unknown whether naïve ash trees can defend against novel enemy complexes via cross-resistance mechanisms. To gain mechanistic insights, we quantified EAB performance on grafted replicates of ash genotypes varying in ADB resistance and characterized ash phloem chemistry with targeted and untargeted metabolomics. Emerald ash borer performed better on ADB-susceptible than on ADB-resistant genotypes. Moreover, changes in EAB performance aligned with differences in phloem chemical profiles between ADB-susceptible and ADB-resistant genotypes. We show that intraspecific variation in phloem chemistry in European ash can confer increased cross-resistance to invasive antagonists from different taxonomic kingdoms. Our study suggests that promotion of ADB-resistant ash genotypes may simultaneously help to control the ADB disease and reduce EAB-caused ash losses, which may be critical for the long-term stability of this keystone tree species.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».