Strategic genetic insights and integrated approaches for successful management of blackleg in canola/rapeseed farming
Notice bibliographique
Résumé
Abstract This review describes a triumphant narrative in the battle against the devastating plant pathogen complex, Leptosphaeria maculans and L . biglobosa , and the success of the world's second‐largest oilseed crop, canola/oilseed rape. Emphasizing global collaborations, the article explores successfully mitigating this destructive disease in canola/rapeseed production across Australia, Canada and Europe. It highlights how strategies may vary between continents to adapt to specific contexts. While initial resistance ( R ) genes proved effective, the evolution of the pathogen under crop‐induced disease pressure led to the breakdown of these genes. Now, growers in these regions have been equipped with new tools, allowing them to make informed decisions that help to keep the disease at generally low levels. A pivotal factor in this success has been a deepened understanding of the intricate science underlying the host–pathogen interaction. Concerted efforts of individual laboratories and collaborative initiatives have played an essential role in this success, including novel methods for disease control based on extensive research that has translated into developing highly resistant varieties, enhanced pathogen monitoring, improved cultivar recommendation and integrated management strategies. The review showcases many milestone advancements, including the cloning of numerous avirulence genes within the pathogen, characterization of specific R genes, the development of various molecular tools for monitoring both pathogen and host, the introduction of groundbreaking disease management strategies such as R gene labelling, rotation and stacking, and establishment of a universal pathogen isolate collection that facilitates the exchange of information among multiple laboratories and adds a new dimension to this triumph.
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 ».