Mutualism Mediates Legume Response to Microbial Climate Legacies
Notice bibliographique
Résumé
ABSTRACT Climate change is altering both soil microbial communities and the ecological context of plant–microbe interactions. Heat, drought, and their legacies can alter soil microbiomes and potential plant symbionts, but the direct consequences of these microbial changes on plant performance and plant investment in symbiosis remain underexplored. Predicting how soil microbes modulate plant resilience to heat and drought is critical to mitigating the negative effects of climate change on ecosystems and agriculture. In this proof of concept study, we conducted growth chamber experiments to isolate the microbially mediated indirect effects of heat and drought on plant performance and symbiosis. In the first experiment, focused on drought, we found that drought and drought‐treated microbes, along with their interaction, significantly decreased the biomass of Medicago lupulina plants compared to well‐watered microbiomes and conditions. In a second experiment, we then tested how the addition of a well‐known microbial mutualist, Sinorhizobium meliloti , affected heat‐ and drought‐treated microbiomes' impact on M. lupulina . We found that drought‐adapted microbiomes negatively impacted legume performance by increasing mortality and reducing branch number, but that adding rhizobia erased differences in plant responses to climate‐treated soils. In contrast, heat‐adapted microbiomes did not differ significantly from control microbiomes in their effects on a legume. Our results suggest microbial legacy effects, mutualist partners, and their interactions are important in mediating plant responses to drought, with some mutualists equalizing plant responses across microbial legacies.
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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».