Suppressing maize stalk rot through promoted rhizosphere microbial recruitment in cultivar mixtures
Notice bibliographique
Résumé
Introduction Crop diversification is a critical strategy for improving resource use efficiency and suppressing disease. Mixing cultivars from the same crop is one approach to diversifying planting patterns. However, it remains unknown how mixing cultivars in maize affects the soil microbial community, stalk rot incidence, and grain yield. Methods A 2-year field experiment was performed, which included one stalk rot-resistance cultivar, DH662; one stalk rot-susceptible cultivar, DH701; and a mixture of DH662 and DH701. Results Cultivar mixtures and DH662 monocrop had lower disease incidence and higher grain yield than DH701 monocrop. The microbial community structure in both rhizosphere and bulk soil was notably impacted by the resistant cultivar as well as the cultivar mixtures. Distinct modules within the rhizosphere microbial community co-occurrence network were identified, differentiating cultivar mixtures from DH701 monocrops. The network structure of the rhizosphere in cultivar mixtures closely resembled that observed in DH662 monocrops. Keystone taxa were higher in cultivar mixtures compared to their abundance in DH701 monocrops. The keystone taxa ( Adhaeribacter and Gemmatimonas ) were positively related to grain yield and negatively correlated with disease incidence. Discussion Overall, our results demonstrated that cultivar mixtures had a substantial impact on the assembly and keystone taxa of microbial communities in the rhizosphere and bulk soil, leading to a reduction in stalk rot occurrence and an increase in grain yield. This study demonstrated the potential for maize yield improvement through cultivar mixtures. These findings improved insights into how beneficial microbial communities in the rhizosphere contributed to the positive effects observed in cultivar mixtures.
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) | 0,001 | 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 ».