Characterization of Immunity-Inducing Rhizobacteria Highlights Diversity in Plant–Microbe Interactions
Notice bibliographique
Résumé
The narrow region of soil surrounding roots (rhizosphere) contains an astonishing diversity of microorganisms. Some rhizosphere bacteria can improve plant health and immunity, via direct competition with pathogens or by establishing heightened immunity in aboveground tissues, a phenomenon known as induced systemic resistance (ISR). To identify novel immunity-activating bacterial strains, we established a screening method from a library of agricultural soil-derived culturable bacteria, using Solanum lycopersicum (tomato) and the fungal pathogen Botrytis cinerea, the causal agent of gray mold disease. Here, we report the establishment of a screening method and the identification of 13 immunity-inducing strains in tomato plants, including a strain of Chitinophaga arvensicola. A detailed characterization of a subset of five strains, belonging to the species Bacillus velezensis, Paenibacillus peoriae, and Pseudomonas parafulva, revealed that only two of them triggered canonical ISR in Arabidopsis, indicating plant host specificity, alternative modes of action, or both. Furthermore, some of the strains displayed direct anti-microbial activity, and two strains became endophytic. We also found the requirement of the lipid-binding protein DIR1, which is an important factor for systemic acquired resistance, for ISR establishment in Arabidopsis, indicating a possible convergence of systemic acquired resistance and ISR signaling. Finally, we found that P. parafulva TP18m promoted root development as well as enhanced immunity. Taken together, we have established a screening system for immunity-inducing bacteria and identified taxonomically diverse bacterial strains that may be useful for agricultural application. Our characterization revealed diverse features for each strain, which highlights the complexity of the bacteria–host interactions in the rhizosphere. [Formula: see text] Copyright © 2025 The Author(s). This is an open access article distributed under the CC BY-NC-ND 4.0 International license .
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 | 0,001 | 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 ».