MétaCan
Menu
Retour à la cohorte
Enregistrement W4386695631 · doi:10.3389/fsoil.2023.1208909

Artificial network inference analysis reveals the impact of biostimulant on bacterial communities in fumigated soil for potato production against common scab

2023· article· en· W4386695631 sur OpenAlexaff
Honoré Tekeu, Thomas Jeanne, Joël D’Astous-Pagé, Richard Hogue

Notice bibliographique

RevueFrontiers in Soil Science · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Disease Resistance and Genetics
Établissements canadiensInstitut de Recherche et de Développement en Agroenvironnement
Organismes subventionnairesnon disponible
Mots-clésChloropicrinFumigationGrowing seasonBiologyYield (engineering)AgronomyAcreHorticultureEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Introduction and methods As part of a study on control methods of common scab disease impact on potato yield and quality, high-throughput sequencing was used to measure the effects of soil fumigant chloropicrin alone or in combination with a Bacillus species-based biostimulant on soil bacterial diversity in terms of richness and composition, as well as on soil bacterial network interactions. Results and discussion The results showed that common scab caused significant net yield losses of more than 46.25% in potatoes of control plots (T1), while the use of the fumigant alone (T3) and the use of the fumigant with the biostimulant (T4) reduced net yield losses to less than 2.5%. These treatments also promoted gross yield increases of 23.5 cwt. acre -1 (7.06%) and 28 cwt. acre -1 (8.41%) respectively. The study found that using the soil fumigant chloropicrin significantly and persistently altered the composition of the soil bacterial community over the growing season. The modifications of the soil bacterial community induced by the inoculation of the Bacillus species-based biostimulant are distinct by the end of the growing season depending on whether the soil has been fumigated (T4) or not (T2). Interestingly, artificial network inference analysis showed that the T2 treatment had the highest number of edges and linkages, contrary to the T3 treatment that had the lowest number of edges and linkages. The fumigation alone treatment leads to a reduction in interactions, while the application of the biostimulant, in both non-fumigated and fumigated soil, results in increased interactions and a higher number of connections within a phylum or between different taxa. Furthermore, the treatment combining the fumigant and the biostimulant exhibits a moderate increase in various network properties, providing evidence for the positive effect of biostimulant inoculation on bacterial communities in fumigated soils. Our results provide a more detailed understanding of the bacterial community structure and diversity in the soil of the different treatments. Moreover, deciphering network interactions in soil bacterial communities is fundamentally important for research in soil microbial ecology of potato cropping systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,282
Écart entre enseignants0,250 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Soil ScienceMême sujetPlant Disease Resistance and GeneticsTravaux en français237 207