Investigating Plant Extract in Inhibition of Ralstonia solanacearum Responsible for Potato Wilt
Notice bibliographique
Résumé
Controlling the Potato Bacterial wilt disease caused by Ralstonia solanacearum remains a significant challenge for Kivu’s producers in Democratic Republic of Congo, especially due to limited access to healthy planting material. Therefore, this study aimed to identify effective plant species within the traditional medicine in Kivu whose extracts have the potential to inhibit the bacterium. Eighteen plant extracts were tested using the Mueller Hinton Agar diffusion method. The extract was obtained by grinding 65 grams of dry plant powder macerating in 250 ml of methanol and drying. Then 40 mg of extract was mixed with 10 µl of DiMethyl SulfOxide (DMSO) and 50 µl of sterile distilled water (SDW). The bacterium was isolated from necrotic potato vascular tissue exhibiting wilt symptoms. 500 µl of 1 cm2 sterilized tissue ground in 9 ml SDW was inoculated on MacConkey agar and incubated at 28 °C. After 48 hours, biochemical tests and the disease sensitivity were tested by inoculating healthy potato plants. Results showed that Eucalyptus globulus emerged as the statistically most effective species, exhibiting a notable inhibition area of 19.33 mm in diameter. This was followed closely by Capsicum frutescens, Manihot glasiovii, Datura stramonium, Pteridium aquilinum, Galinsoga parviflora, Tithonia diversifolia, and Cupressus sempervirens, each showing an inhibition zone of 17.33 mm. From this list, the five most effective extracts revealed an abundance of phenols after phytochemical screening. Based on these results, it would be interesting to evaluate the effectiveness of the extracts in disinfecting garden tools and to assess the role of phenol in inhibiting the bacterial growth.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».