Unraveling the Environmental Drivers of <i>Phyllachora maydis</i> Spore Release and Dispersal Using Spore Trapping and qPCR
Notice bibliographique
Résumé
Phyllachora maydis, the causal agent of tar spot of corn, is an emerging disease in the United States and Canada. This study aimed to improve our understanding of P. maydis spore release and dispersal by utilizing spore trapping and quantitative PCR to assess the relationship between spore capture and environmental conditions. Burkard and rotating-arm air samplers were deployed in Michigan corn fields with natural disease pressure from 2021 to 2023. Correlation analysis and mixed-effects logistic regression were applied to examine the impact of environmental factors on spore capture. Through an exhaustive screening of candidate logistic regression models, results indicated that spore quantity is significantly negatively correlated with daily summaries of minimum temperature ( P < 0.05, τ = −0.24), mean temperature ( P < 0.05, τ = −0.25), maximum precipitation rate ( P < 0.05, τ = −0.33), and durations of temperature between 16.6 to 23°C and relative humidity over 85% ( P < 0.001, τ = −0.27). Logistic regression models frequently incorporated temperature and humidity predictors, and the best performing model used daily averages of mean temperature and maximum humidity to discriminate between the presence and absence of spore detection, achieving a balanced accuracy of 85%. Across all site-years, spore traps did not detect P. maydis spores prior to the visible detection of tar spot symptoms but did detect spores before tar spot incidence reached 100%. Through this study, the environmental drivers of spore release and dispersal were described to fill current knowledge gaps in the tar spot disease cycle. Additionally, a methodology for the capture and molecular quantification of airborne P. maydis spores is described, which will benefit future research.
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 ».