Optimizing molecular assays for glyphosate and ALS-inhibitor resistance diagnostics in four weed species
Notice bibliographique
Résumé
Herbicide-resistant weeds pose a threat to food production in modern agriculture, causing US$32 billion in crop production losses worldwide. In Michigan, highly troublesome and widespread weeds include waterhemp, Palmer amaranth, common ragweed, and horseweed, with accessions that are resistant to glyphosate (Group 9) and ALS-inhibitors (Group 2), major herbicide sites of action utilized in soybean and corn cropping systems. Molecular assays for rapid resistance diagnostics to confirm the in-field status of herbicide resistance can assist with more effective, timely, and proactive management. In this research, we developed and tested PCR-based assays to identify target site resistance mechanisms to both herbicide groups through Sanger sequencing and EPSPS copy number variation. Nine different SNPs were identified in five ALS positions known to confer herbicide resistance among all species surveyed. Pro197Ser was the most frequent in horseweed and common ragweed accessions, whereas Trp574Leu was the predominant mutation in Palmer amaranth and waterhemp. Four horseweed accessions contained the Pro106Ser mutation in the EPSPS gene, which confers resistance to glyphosate. Additionally, waterhemp and Palmer amaranth had 2–7 and 20–160 copies of EPSPS, respectively. The assays were validated by comparing genotyping of several field-collected accessions of unknown resistance status with known resistant and susceptible accessions. The efficacy of genotyping assays was >98% and required only two days, confirming that molecular assays are a robust tool for rapid resistance diagnostics. These assays can help growers evaluate herbicide resistance status in weed populations within the same growing season, allowing them to adopt effective management practices.
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 | 0,001 | 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) | 0,000 | 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 ».