IMPROVING INTEGRATED DISEASE MANAGEMENT TOOLS FOR BACTERIAL LEAF STREAK OF WHEAT IN CANADA
Notice bibliographique
Résumé
Bacterial leaf streak (BLS), caused by the bacterium Xanthomonas translucens (Xt), is a biologically and economically significant disease affecting wheat worldwide. The disease manifests as water-soaked streaks on leaves, which eventually turn necrotic, leading to reduced photosynthetic capacity and yield loss. Integrated disease management (IDM) is a holistic approach that aims to combine various strategies such as to manage BLS. However, at present, options remain limited, with no resistant cultivars or effective chemical or biological control strategies currently available. Development and use of resistant wheat cultivars is one strategy. Researchers have identified several genetic sources of resistance to BLS, and incorporating these into commercial cultivars may help manage the disease more effectively over time. Continuous efforts in breeding programs are essential to stay ahead of evolving pathogen populations. This bacteria is seed borne, meaning that the pathogen can survive on the seeds. Early detection through field scouting and seed diagnostic tools can prevent the spread of the disease. This project aims to contribute to the development of integrated management practices by focusing on two key objectives. The first is the development of a seed testing protocol for early detection of Xt using Loop-mediated isothermal amplification (LAMP). With this protocol the specific pathovar (undulosa) of Xanthomonas translucens that is most problematic on wheat can be detected at a DNA concentration of 2 pg/reaction on field samples. The other strategy to manage BLS is through resistant cultivars, which I focused on by evaluating reactions to BLS among 96 wheat cultivars and 130 elite breeding lines under field and controlled conditions. Promising cultivars and lines with resistance or reduced susceptibility against BLS were identified. This work should contribute to enhancement of effective strategies to ensure sustainable wheat production in the face of the challenge of BLS.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».