Genomically-selected antifungal Bacillaceae strains improve wheat yield and baking quality
Notice bibliographique
Résumé
Soil microbial diversity degradation through agricultural intensification necessitates sustainable alternatives. This study employed genomic and phenotypic approaches to characterize wheat rhizosphere-associated Bacillaceae for agricultural applications. Initial screening of 576 sporulating isolates for antifungal activity against Fusarium graminearum, followed by RAPD analysis, identified 39 distinct genetic profiles, out of which 15 were classified in Bacillus amyloliquefaciens or Priestia megaterium groups by 16S RNA sequence. Whole-genome sequencing of selected strains enabled precise taxonomic classification and comprehensive trait prediction using in silico tools. Genomic mining revealed strain-specific distributions of beneficial traits, including antimicrobial compound production pathways and plant growth-promoting characteristics. Phenotypic validation confirmed key predicted traits while uncovering additional functionalities not detected in silico. Integration of kernel bioassays, pot experiments, and field trials identified Bacillus velezensis ZAV-W70 and P. megaterium ZAV-W64 as promising biofertilizer and biocontrol candidates, demonstrating enhanced yield without fungicides and improved bread-making quality, respectively. These findings highlight the value of combining genomic analysis with traditional screening methods for developing effective agricultural biologicals, contributing to sustainable wheat production practices. KEY POINTS: • Rhizosphere Bacillaceae strains show dual plant growth promotion and biocontrol • B. velezensis ZAV-W70 and P. megaterium ZAV-W64 increase wheat yield • ZAV-W64 increases bread-making quality including total gluten and alveograph W.
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 | 0,001 | 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 ».