Positive association between foliar silicon and extrafloral nectar in Vicia faba with application of methyl jasmonate
Notice bibliographique
Résumé
Plants have evolved direct and indirect defences against herbivores, which may come at a cost to other plant functions. Many plants can uptake and deposit large amounts of silicon within plant tissue, creating structures which can reduce herbivore performance. Silicon uptake can increase plant defenses against herbivores, but it has also been shown to trade-off with defensive phenolic compounds due to interference with jasmonic acid (JA) signaling. Additionally, plants can recruit predacious insects with extrafloral nectar (EFN), a sugar secretion not involved in pollination. It is currently unclear whether silicon uptake reduces other putative defences associated with the JA pathway, like EFN production. We used faba bean ( Vicia faba) to identify potential trade-offs between silicon accumulation, phenolic content, and EFN production. We grew four genotypes of faba bean that varied in tannin content in control soil, or soil supplemented with silicon. After five weeks of growth, we exposed plants to either a buffer or methyl jasmonate (MeJA) solution to simulate an herbivory response. We measured EFN production at 24 and 48 hours after treatment, and harvested leaves to quantify silicon and phenolic content. We found silicon supplementation, but not MeJA treatment, increased foliar silicon concentration. Silicon supplementation did not affect foliar phenolic content or EFN sugar content. Silicon concentration (ppm) and MeJA treatment did not decrease foliar phenolic content or EFN sugar content. However, we found an interaction between silicon concentration (ppm) and MeJA treatment with EFN sugar content: across MeJA-treated plants, we detected a positive association between foliar silicon concentration and the amount of sugar (mg) in EFN. This study is the first to show MeJA can interact with leaf silicon concentration to alter EFN response, with the potential for cascading effects on other trophic levels.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».