A Review on Biocontrol Agents as Sustainable Approach for Crop Disease Management: Applications, Production, and Future Perspectives
Notice bibliographique
Résumé
Horticultural crops are vulnerable to diverse microbial infections, which have a detrimental impact on their growth, fruit quality, and productivity. Currently, chemical pesticides are widely employed to manage diseases in horticultural crops, but they have negative effects on the environment, human health, soil physiochemical properties, and biodiversity. Additionally, the use of pesticides has facilitated the development and spread of resistant pathovars, which have emerged as a serious concern in contemporary agriculture. Nonetheless, the adverse consequences of chemical pesticides on the environment and public health have worried scientists greatly in recent years, which has led to a switch to the use of biocontrol agents such as bacteria, fungi, and insects to control plant pathogens. Biocontrol agents (BCAs) form an integral part of organic farming, which is regarded as the future of sustainable agriculture. Hence, harnessing the potential of BCAs is an important viable strategy to control microbial disease in horticultural crops in a way that is also ecofriendly and can improve the soil health. Here, we discuss the role of the biological control of microbial diseases in crops. We also discuss different microbial-based BCAs such as fungal, bacterial, and viral and their role in disease management. Next, we discuss the factors that affect the performance of the BCAs under field conditions. This review also highlights the genetic engineering of BCAs to enhance their biocontrol efficiency and other growth traits. Finally, we highlight the challenges and opportunities of biocontrol-based disease management in horticulture crops and future research directions to boost their efficacy and applications.
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) | 0,001 | 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 ».