Genetic Response of Taro to Taro Leaf Blight Disease for Food System Resilience
Notice bibliographique
Résumé
Taro (Colocasia esculenta) is of great economic importance in Ghana. Its production is constraint by high incidence of Phytophthora colocasiae, causing heavy corm yield losses and impacting farmers livelihood negatively. Breeding for taro leaf blight disease (TLBD) resistance requires exploitation for useful genetic variation from local and introduced germplasm. The objectives were to identify fungal phytopathogenic agents responsible for and/or associated with taro leaf blight disease and taro genotypes with useful genetic variation for breeding resistant cultivars. Five elite taro genotypes were evaluated alongside local variety as check. Blotter method, Potato Dextrose Agar and Carrot Agar media were used in the isolation and identification of fungi. Taro genotypic differences suggest that superior genotypes can be identified and selected for improvement on TLBD tolerance and corm yield. Genotypes BL/SM 115 and BL/SM 16 which had less than 25% TLBD incidence, minimum damage of the disease, higher corm yield and higher corm dry matter content were candidate parents for taro improvement in Ghana. Twenty-one fungal species were identified. Carrot Agar was the best medium for identification of Phytophthora sp. However, further studies are required to confirm phytopathogenic symbiotic association of P. colocasiae with other fungi in causing TLBD disease in Ghana.
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 | 0,000 | 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) | 0,002 | 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 ».