Stem, leaf and cotyledon resistance responses to a prevalent Sclerotinia sclerotiorum pathotype in Australia highlight new opportunities to improve white mould resistance in common bean
Notice bibliographique
Résumé
Context White mould (Sclerotinia sclerotiorum) inflicts major yield losses on common bean (Phaseolus vulgaris); yet, commercial cultivars known for their high yields and market-adapted grains lack physiological resistance to this disease. Aims This study aimed to test diverse common bean genotypes for resistance in stem, leaf and cotyledon tissues. Methods Thirty-four common bean genotypes with a wide range of agronomic traits and grain types, including genotypes noted previously for susceptible and resistant responses to white mould, were inoculated with the prevalent S. sclerotiorum isolate MBRS-1. Then they were assessed for resistance in stem, leaf and cotyledon tissues under controlled environment conditions, by inoculating plants with a 105 mL−1 hyphal fragment concentration. Key results There was significant (P < 0.001) variation in resistance responses in stem, leaf and cotyledon tissues across the genotypes. Contender, ICA Bunsi, XAN 280 and Taisho-Kintoki showed the highest resistance in stems, whereas Norvell 2558, Pico de Oro, Sanilac, Othelo and Negro Argel exhibited notable resistance in leaves. Metis, Canario 107, Pico de Oro, Pogonion and Jubilejnaja 287 displayed the most resistance in cotyledons. Conclusions This is the first reported attempt to determine the response of common bean germplasm to a prevalent pathotype of S. sclerotiorum in Australia. Bean genotypes exhibiting high-level resistance to white mould identified in this study can be used as parental lines for crosses in common bean breeding programs and/or directly as improved cultivars. Implications The study highlighted both the value of screening under controlled environmental conditions to reliably locate new stem, leaf and/or cotyledon resistances and the possibility of using rapid cotyledon screening to indicate stem resistances because the expression of resistances in cotyledons generally correlated strongly with those in stems.
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) | 0,000 | 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) | 0,001 | 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 ».