MétaCan
Menu
Retour à la cohorte
Enregistrement W7055633149

Conception et caractérisation des communautés microbiennes synthétiques capables d’améliorer la résistance du blé au stress hydrique

2023· dissertation· fr· W7055633149 sur OpenAlexaboutno aff

Notice bibliographique

RevueEspaceINRS Institutional Digital Repository (Institut National de la Recherche Scientifique) · 2023
Typedissertation
Languefr
DomaineEngineering
ThématiqueLaser Design and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésZea maysBrazil nutEnvironmental factorWater stress
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

La sécheresse est un facteur limitant de la production agricole et deviendra un problème \nmajeur avec les changements climatiques prévus. Au Canada, cela sera particulièrement \nimportant dans les Prairies, une région importante contribuant à l’agriculture canadienne. Cela \nentraînera une réduction des rendements dans de nombreuses grandes cultures, y compris le \nblé. Une façon novatrice d’améliorer rapidement la résistance du blé aux stress \nenvironnementaux serait de modifier son microbiote. En effet, plusieurs études ont montré des \nliens entre différents microorganismes associés aux plantes et la résistance des plantes à la \nsécheresse. Néanmoins, il n'y a pas suffisamment d'éléments pour prouver un lien causal avec \ncertitude ou encore de comprendre la manière dont les communautés microbiennes et le blé \ninteragissent, et encore moins comment les modifier. Le but de ma thèse est de modifier le \nmicrobiote du blé pour améliorer sa résistance à la sécheresse. Ainsi, l’hypothèse principale \nsuggère que l’ensemencement du blé par une communauté microbienne présélectionnée pour \nsa performance au laboratoire sera plus bénéfique pour le blé qu’une communauté \nnaturellement existante ou aléatoirement sélectionnée. Pour répondre à cette hypothèse, ma \nthèse se compose de trois chapitres de recherche. Le premier a pour objectif d'étudier l'effet \nde la sécheresse sur le microbiote du blé cultivé au champ expérimental de l'INRS, ainsi que \nsur ses microorganismes isolés de la rhizosphère et de la plante de blé au laboratoire. Les \nrésultats de ce premier objectif ont été publiés sous forme d'un article de recherche. Le \ndeuxième chapitre consiste à concevoir différentes communautés microbiennes synthétiques \n(SynCom) et à tester leur effet sur la croissance de blé sous stress hydrique. Nous avons \négalement suivi la présence ou la disparition des microorganismes ensemencés dans la plante \net la rhizosphère du blé. Le troisième chapitre vise à étudier l'effet de l’ensemencement de la \nSynCom la plus efficace sur le microbiote du blé, ainsi que d’identifier les gènes microbiens \nclés qui pourraient coder des fonctions qui pourraient être impliqués dans l'amélioration de la \nrésistance de l’holobionte du blé à la sècheresse. Les résultats de cet objectif complètent \nl'objectif précédent et sont communiqués dans le même article scientifique. \nLes résultats de mon projet de thèse devraient clarifier les caractéristiques clés des \ncommunautés microbiennes nécessaires pour améliorer la tolérance du blé à la sécheresse. \nLa stratégie utilisée permettra également d'évaluer le potentiel d'utiliser des SynComs comme \ninoculas pour créer rapidement des plantes de blé résistantes aux stress environnementaux, \natténuant ainsi les pertes de rendement prévues suite aux changements climatiques. Drought is a limiting factor for agricultural production and will become a major problem with \npredicted climate change. In Canada, this will be particularly important in the Prairies, one of \nthe main region contributing to Canadian agriculture. This will lead to a reduction in yields in \nmany major crops, including wheat. An innovative way to quickly improve wheat's resistance \nto environmental stress would be to modify its microbiota. Indeed, several studies have shown \nlinks between different microbes and plants' resistance to drought. However, the available \ninformation does not allow for a causal link or even an understanding of how microbial \ncommunities interact with wheat, or how to modify them. The aim of my thesis is to modify the \nwheat microbiota to improve its resistance to drought. To do this, I studied the effect of water \nstress on wheat microbial communities, which I then used to construct inoculants capable of \nhelping wheat better survive under water stress. Thus, the main hypothesis suggests that a \npre-selected microbial community for its performance in laboratory will be more beneficial for \nwheat than a naturally existing or randomly selected community. To address this hypothesis, \nmy thesis consists of three research chapters. The first chapter aims to study the effect of \ndrought on the wheat microbiota grown in the INRS field. We compared these results with \nmicroorganisms isolated from the rhizosphere and wheat plant in the laboratory. The results \nof this first study were published as a research article. The second chapter is to design different \nSynComs (synthetic microbial communities) and test their effect on wheat growth under water \nstress. We also tracked the presence or disappearance of inoculated microorganisms in wheat \nplant and rhizosphere. The third chapter aims to study the effect of inoculating the winning \nSynCom on the wheat and rhizosphere microbiota, as well as the key microbial genes that \nmay be responsible for improving wheat resistance to water stress. The results of this objective \ncomplement the previous objective and are communicated in the same scientific article. \nThe results of my thesis project should help improve the design of SynComs and clarify the \nkey characteristics of microbial communities requiered to improve wheat tolerance to water \nstress. The strategy used will also assess the potential of using SynComs as biostimulants to \nquickly create wheat plants resistant to environmental stresses, thus mitigating the expected \nyield losses due to climate change.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,310
Écart entre enseignants0,258 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEspaceINRS Institutional Digital Repository (Institut National de la Recherche Scientifique)Même sujetLaser Design and ApplicationsTravaux en français237 207