Uncovering the Antifungal Potential of Plant-Associated Cultivable Bacteria from the Aral Sea Region against Phytopathogenic Fungi
Notice bibliographique
Résumé
Two freshwater rivers, the Amu Darya and Syr Darya, flow into the Aral Sea, but they began to diminish in the early 1960s, and by the 1980s, the lake had nearly ceased to exist due to excessive water consumption for agriculture and the unsustainable management of water resources from rivers, which transformed the Aral Sea into a hypersaline lake. Despite this, the flora and fauna of the region began to evolve in the high-salinity seabed soil, which has received little attention in studies. In this study, we isolated approximately 1400 bacterial strains from the rhizosphere and phyllosphere of plant species of distinct families. Bacterial isolates were examined for antifungal activities against a range of pathogenic fungi such as Rhizoctonia gossypii, Trichothecium ovalisporum, Fusarium annulatum, F. oxysporum, F. culmorum, F. brachygibbosum, F. tricinctum, F. verticillioides, Alternaria alternata, A. terreus, Aspergillus niger, and As. flavus. Eighty-eight bacterial isolates exhibited varying antagonistic ability against pathogenic fungi. Furthermore, DNA barcoding of isolates using the 16S rRNA gene indicated that most antagonistic bacteria belonged to the Bacillus and Pseudomonas genera. The study also explored the activity of hydrolytic and cell-wall-degrading enzymes produced by antagonistic bacteria. The findings revealed that antagonistic bacteria can be utilized to widely protect seabed plants and plants growing in saline areas against pathogenic fungi, as well as agricultural crops.
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 | 0,000 |
| 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 ».