Fungal Community Profiling and Pathogen Detection in Conifer Seed Lots: Benchmarking Oxford Nanopore DNA Metabarcoding Against Conventional Methods
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Seedborne fungal pathogens, either native or exotic, spread through seed trade and pose serious risks to reforestation efforts. Traditional pathogen detection methods, such as seed plating assays, are limited in scope and sensitivity. We assessed the potential of DNA-metabarcoding with Oxford Nanopore Technologies (ONT) to detect and identify fungal pathogens in conifer seed lots. Using ONT-based sequencing of the internal transcribed spacer (ITS) and translation elongation factor 1-alpha (TEF1) loci, we analyzed 20 seed lots from Douglas fir ( Pseudotsuga menziesii) and interior spruce ( Picea engelmannii × glauca). Our results were benchmarked against culture-based and real-time PCR assays. The ITS ONT assay detected a broad range of fungal taxa, including conifer pathogens such as Fusarium spp., Sirococcus conigenus, and Caloscypha fulgens. Although the TEF1 ONT assay showed lower detection sensitivity, it increased the robustness of species complex resolution within the Fusarium genus. We observed a strong correlation between ITS ONT read counts and real-time PCR quantification cycle (Cq) values, indicating the potential for quantitative pathogen load assessment. Differences between detection methods highlighted the importance of optimizing seed sampling strategies to improve pathogen detection consistency. The portability, affordability, and ongoing improvements in ONT technology suggest a promising future for its application in forest seed diagnostics and biosecurity monitoring. [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.
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 | 0,001 | 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 découle