A rapid molecular diagnostic tool to discriminate alleles of avirulence genes and haplotypes of <i>Phytophthora sojae</i> using high‐resolution melting analysis
Notice bibliographique
Résumé
Effectors encoded by avirulence genes (Avr) interact with the Phytophthora sojae resistance gene (Rps) products to generate incompatible interactions. The virulence profile of P. sojae is rapidly evolving as a result of the large-scale deployment of Rps genes in soybean. For a successful exploitation of Rps genes, it is recommended that soybean growers use cultivars containing the Rps genes corresponding to Avr genes present in P. sojae populations present in their fields. Determination of the virulence profile of P. sojae isolates is critical for the selection of soybean cultivars. High-resolution melting curve (HRM) analysis is a powerful tool, first applied in medicine, for detecting mutations with potential applications in different biological fields. Here, we report the development of an HRM protocol, as an original approach to discriminate effectors, to differentiate P. sojae haplotypes for six Avr genes. An HRM assay was performed on 24 P. sojae isolates with different haplotypes collected from soybean fields across Canada. The results clearly confirmed that the HRM assay discriminated different virulence genotypes. Moreover, the HRM assay was able to differentiate multiple haplotypes representing small allelic variations. HRM-based prediction was validated by phenotyping assays. This HRM assay provides a unique, cost-effective and efficient tool to predict virulence pathotypes associated with six different Avr (1b, 1c, 1d, 1k, 3a and 6) genes from P. sojae, which can be applied in the deployment of appropriate Rps genes in soybean fields.
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 | 0,000 | 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 ».