Antimicrobial effect of green synthesized TiO<sub>2</sub> nanoparticles against Cercospora canesces growth in mung bean
Notice bibliographique
Résumé
Mung bean is one of the economically important leguminous crops generally grown in arid region of Pakistan. Mung bean grows best at 30-35℃ and is a nutrient enriched crop with higher amounts of starch (50%), proteins (18-25%), fat (3%) and fiber (3-4.5%). Many biotic factors affect crop production. Yield losses due to biotic factors are up to 40-80% in mung bean. Cercospora leaf spot (CLS) is very common disease in mung bean caused by hemi-biotrophic fungal pathogen Cercospora canescens. For sustainable agrocontrol there is need to develop alternative solutions for conventional methods. Green synthesized nanoparticles offer promising solution to mitigate adverse effect of agrochemicals and fungicides. In this review green synthesized TiO2 nanoparticles used to mitigate the disease severity by seed priming with 50mgL-1 and 150mgL-1 nanoparticles (NPs) suspension solution in mung bean. The result shows that 50mgL-1 Tio2-NPs inhibit fungal growth by 87.85% in in vitro and 74.07% in in vivo experiment. Tio2-NPs application improve root, shoot, leaf surface area, chlorophyll content, stomatal conductance and boost plant immunity by enhancing expression of the Pathogenesis-related (PR-1) gene in response stress. Therefore, present study indicates that green synthesized Tio2-NPs is an effective way to enhance the growth and productivity of mung bean by inhibiting C. canescens.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».