MétaCan
Menu
Retour à la cohorte
Enregistrement W4394720741 · doi:10.1080/07060661.2024.2334371

Characterization and pathogenicity of <i>Colletotrichum camelliae</i> causing brown blight disease of tea ( <i>Camellia sinensis</i> ) in Malaysia

2024· article· en· W4394720741 sur OpenAlexvenueno aff
Saleh Ahmed Shahriar, Masratul Hawa Mohd

Notice bibliographique

RevueCanadian Journal of Plant Pathology · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePlant Pathogens and Fungal Diseases
Établissements canadiensnon disponible
Organismes subventionnairesUniversiti Sains Malaysia
Mots-clésCamellia sinensisBlightBiologyShrubTheaceaeBotanyHorticultureMalus

Résumé

récupéré en direct d'OpenAlex

Tea (Camellia sinensis (L.) Kuntze) is a dicotyledonous woody shrub species widely cultivated to produce a beverage made from its leaves. Brown blight is a destructive foliar fungal disease that reduces tea production and degrades quality, resulting in lower market value. Typical brown blight symptoms observed in three commercial tea plantations in Malaysia were characterized as brownish to black lesions on young leaves. The lesions expanded with age, becoming darker and developing into necrotic cells. A total of 45 fungal isolates were isolated from brown blighted tea leaves and identified as Colletotrichum camelliae. Morphological characteristics coupled with universal spacer region and multigene phylogenetic relationships using the internal transcribed spacer (ITS), β-tubulin (tub2) and glyceraldehyde-3-phosphate dehydrogenase (gapdh) were used to accurately identify fungal isolates. The results of the pathogenicity test revealed that C. camelliae was responsible for causing brown blight disease of tea. This study highlights the occurrence of C. camelliae which causes tea brown blight in Malaysia. These findings may assist in disease monitoring, strict quarantine and effective control management of diseased tea plants.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,006
Tête enseignante GPT0,193
Écart entre enseignants0,187 · 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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Plant PathologyMême sujetPlant Pathogens and Fungal DiseasesTravaux en français237 207