First insights towards RNAi-based management of the pollen beetle Brassicogethes viridescens, with risk assessment against model non-target pollinator and biocontrol insects
Notice bibliographique
Résumé
The pollen beetle Brassicogethes viridescens has become an invasive pest to rapeseed crops in North America, especially Canada, the world’s most prolific grower of rapeseed. The use of conventional insecticides to control Brassicogethes spp. can lead to substantial insecticide resistance development in target pest populations and detrimental effects on non-target organisms in and around rapeseed crops. Therefore, economically and ecologically sustainable alternatives to conventional insecticides must be explored. Given the continued increases in production efficacy- and the nucleotide sequence-specific mode of action of dsRNA pesticide products, RNA pesticides represent a potential tool for use within the management of B. viridescens . We examined the insecticidal efficacy of dsRNA against B. viridescens , using transcripts of its intragenus relative Brassicogethes aeneus as a template for dsRNA design. In B. viridescens , we observed similar sensitivities to dsRNA compared to B. aeneus . Furthermore, survival assays using three model non-target species suggest highly selective insecticidal activity of the dsRNAs. Finally, we generated the first transcriptome draft for B. viridescens , which provides valuable information for future management needs against this pest species. Given these first insights towards sustainable RNAi-based management of B. viridescens , further work (different exposure methods, semi-field larval studies) is needed to develop RNAi-based approaches to managing B. viridescens in both European and North American rapeseed systems.
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 | 0,001 |
| 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 ».