MétaCan
Menu
Retour à la cohorte
Enregistrement W4391946020 · doi:10.3390/microorganisms12020404

Select Cover Crop Residue and Soil Microbiomes Contribute to Suppression of Fusarium Root and Crown Rot in Barley and Soybean

2024· article· en· W4391946020 sur OpenAlexafffundabout
Harini S. Aiyer, Andrew McKenzie‐Gopsill, Aaron Mills, Adam Foster

Notice bibliographique

RevueMicroorganisms · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePlant Pathogens and Fungal Diseases
Établissements canadiensUniversity of British ColumbiaAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food CanadaDalhousie University
Mots-clésCover cropFusariumAgronomyBiologyRoot rotSorghumCropHorticulture

Résumé

récupéré en direct d'OpenAlex

Fusarium root and crown rot (FRCR) negatively impact several economically important plant species. Cover crops host different soil and residue microbiomes, thereby potentially influencing pathogen load and disease severity. The carryover effect of cover crops on FRCR in barley and soybean was investigated. Field trials were conducted in Prince Edward Island, Canada. Two cover crops from each plant group, including forbs, brassicas, legumes, and grasses, were grown in a randomized complete block design with barley and soybean planted in split plots the following year. Barley and soybean roots were assessed for FRCR through visual disease rating and Fusarium spp. were isolated from diseased tissue. Fungal and bacterial communities in cover crop residues were quantified using amplicon sequencing. The disease-suppressive effects of soil were tested in greenhouse studies. The results indicated that sorghum-sudangrass-associated microbiomes suppress Fusarium spp., leading to reduced FRCR in both barley and soybean. The oilseed radish microbiome had the opposite effect, consequently increasing FRCR incidence in barley and soybean. The results from this study indicate that cover crop residue and the associated soil microbiome influence the incidence and severity of FRCR in subsequent crops. This information can be used to determine cover cropping strategies in barley and soybean production 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,516

Scores Codex et Gemma par catégorie

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

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 Opus0,004
Tête enseignante GPT0,210
Écart entre enseignants0,206 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations6
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMicroorganismsMême sujetPlant Pathogens and Fungal DiseasesTravaux en français237 207