Selection of rhizobial strains differing in their nodulation kinetics under low temperature in four temperate legume species
Notice bibliographique
Résumé
Abstract Background Winter climate change including frequent freeze‐thaw episodes and shallow snow cover will have major impacts on the spring regrowth of perennial crops. Non‐bloating perennial forage legume species including sainfoin, birdsfoot trefoil, red clover, and alsike clover have been bred for their adaptation to harsh winter conditions. In parallel, the selection of cold‐tolerant rhizobial strains could allow earlier symbiotic nitrogen (N) fixation to hasten spring regrowth of legumes. Methods To identify strains forming nodules rapidly and showing high N‐fixing potential, 60 rhizobial strains in association with four temperate legume species were evaluated over 11 weeks under spring soil temperatures for kinetics of nodule formation, nitrogenase activity, and host yield. Results Strains differed in their capacity to form efficient nodules on legume hosts over time. Strains showing higher nitrogenase activity were arctic strain N10 with sainfoin and strain L2 with birdsfoot trefoil. For clovers, nitrogenase activity was similar for control and inoculated plants, likely due to formation of effective nodules in controls by endophyte rhizobia present in seeds. Conclusions Selection based on nodulation kinetics at low temperature, nitrogenase activity, and yield was effective to identify performant rhizobial strains for legume crops. The use of cold‐tolerant strains could help mitigate winter climatic changes.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».