MétaCan
Menu
Retour à la cohorte
Enregistrement W4412434429 · doi:10.1094/phytofr-02-25-0017-r

Fungal Community Profiling and Pathogen Detection in Conifer Seed Lots: Benchmarking Oxford Nanopore DNA Metabarcoding Against Conventional Methods

2025· article· en· W4412434429 sur OpenAlexafffund
Nicolas Feau, Isabella Laughton, Annie Dicaire, Tod D. Ramsfield, Philippe Tanguay, Joey B. Tanney

Notice bibliographique

RevuePhytoFrontiers™ · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePlant Pathogens and Fungal Diseases
Établissements canadiensGovernment of British ColumbiaCegep de Sainte FoyNatural Resources CanadaAlberta Ministry of Agriculture and ForestryCanadian Forest Service
Organismes subventionnairesCanadian Forest Service
Mots-clésProfiling (computer programming)BenchmarkingFungal pathogenDNA profilingBiologyNanopore sequencingNanoporeComputational biologyPathogenDNADNA sequencingGeneticsComputer scienceNanotechnologyMaterials science

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,279
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhytoFrontiers™Même sujetPlant Pathogens and Fungal DiseasesTravaux en français237 207