Mutualism mediates legume response to microbial climate legacies
Notice bibliographique
Résumé
Climate change is altering both soil microbial communities and the ecological context of plant-microbe interactions. Predicting how soil microbes modulate plant resilience to climate change is critical to mitigating the negative effects of climate change on ecosystems and agriculture. Previously, it was demonstrated that heat, drought, and their legacies altered soil microbiomes and potential plant symbionts. In this 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, 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, the rhizobium Sinorhizobium meliloti, affected climate-treated microbiomes’ impact on the M. lupulina. We found that drought-adapted microbiomes negatively impacted legume performance by increasing mortality and reducing leaf number early in life, but that adding rhizobia erased climate treatment effects. Drought can negatively affect legume performance through microbial legacy effects alone, but the addition of rhizobia buffers legumes against climate-mediated variation in the microbiome. In contrast, heat-adapted microbiomes did not differ significantly from control microbiomes in their effects on a legume.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 ».