MétaCan
Menu
Retour à la cohorte
Enregistrement W4403978093 · doi:10.1016/j.funeco.2024.101396

Bidirectional interactions between Grosmannia abietina and hybrid white spruce: Pathogenicity, monoterpene defense responses, and fungal growth and reproduction

2024· article· en· W4403978093 sur OpenAlexaff
Jonathan A. Cale, Ezra Culberson, Amity Dixon-Traer, Beatriz de Camargo Faria

Notice bibliographique

RevueFungal ecology · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePlant Pathogens and Fungal Diseases
Établissements canadiensUniversity of Northern British Columbia
Organismes subventionnairesnon disponible
Mots-clésBiologyPathogenicityReproductionWhite (mutation)BotanyEcologyGeneticsMicrobiologyGene

Résumé

récupéré en direct d'OpenAlex

Bark beetle-vectored phytopathogenic fungi can play critical roles in how beetle outbreaks affect the health of forest trees. However, trees can defend themselves against fungal infection. How Grosmannia abietina , a symbiotic fungus of spruce beetle ( Dendroctonus rufipennis ), affects the health of mature hybrid white spruce ( Picea engelmannii x glauca ) and is in turn affected by the tree's defenses are unknown. We conducted field inoculations of this spruce to study the degree of pathogenicity of G. abietina , characterized the trees' resulting defensive monoterpene responses, and assessed monoterpene effects on fungal growth and reproduction in laboratory bioassays. Our results indicated that G. abietina is phytopathogenic to hybrid white spruce, which induced monoterpenes in response to infection. Dominant induced monoterpenes generally inhibited fungal growth but stimulated spore production. These findings provide insights into the bidirectional effects between spruce beetle-vectored fungi and host trees, highlighting the complex role of monoterpenes in modulating fungal activities.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,243
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFungal ecologyMême sujetPlant Pathogens and Fungal DiseasesTravaux en français237 207