Ascophyllum nodosum based plant biostimulant shapes the bacterial community in the rhizosphere of corn
Notice bibliographique
Résumé
BACKGROUND: Plant biostimulants are an emerging class of agricultural inputs known to enhance plant growth and improve their tolerance to abiotic stress. While biostimulants are widely used, their mechanisms of action remain poorly understood. This study investigates the effects of an Ascophyllum nodosum-based biostimulant (ANE) on the rhizosphere bacterial communities of corn (Zea mays). RESULTS: Root exudates from ANE root-treated plants promoted the swarming motility of Pseudomonas protegens (CHA0), a plant growth-promoting rhizobacterium. Gene expression analysis showed that root exudates from 0.01% ANE-treated plants up-regulated P. protegens CHA0 genes associated with chemotaxis (cheW, cheV), pyoverdine (pvdS), pyrrolnitrin (prnD), and hydrogen cyanide (hcnA) biosynthesis compared to controls. ANE also significantly altered rhizosphere microbiome composition, increasing the abundance of genera such as Chryseolinea, Pseudoxanthomonas, Novosphingobium, Quadrisphaera, Turneriella, and Kitasatospora. Liquid chromatography-high resolution mass spectrometry (LC-HRMS) and partial least squares-discriminant analysis (PLS-DA) revealed distinct chemical profiles in the root extracts of ANE-treated plants. Specifically, ANE increased the concentrations of benzoxazinoids, including 2,4-dihydroxy-7-methoxy-1,4-benzoxazin-3-one (DIMBOA) and 6-methoxybenzoxazolinone (MBOA) in maize roots by approximately 1.4-fold and 1.76-fold, respectively. CONCLUSION: Overall, these findings suggest that ANE modifies the rhizosphere microbiome by influencing the chemical composition of both root tissue and root exudates.
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 | 0,001 | 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 | 0,001 | 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 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 ».