Toward a molecular understanding of plant-plant interactions for agroecological control of fungal infections
Notice bibliographique
Résumé
Plants interact with neighboring plants through specialized metabolites released into the rhizosphere. These metabolites, known as allelochemicals, often trigger negative effects on surrounding plants, a phenomenon referred to as allelopathy. However, positive effects of these compounds are frequently observed but understudied. While the molecular mechanisms underlying allelopathy are well-documented, the molecular processes driving beneficial plant-plant interactions remain poorly understood. Our research presents unpublished data demonstrating how a major class of maize root-exuded allelochemicals reduces disease severity in neighboring rice plants through a chromatin-based regulatory mechanism in rice roots. This discovery sheds light on positive plant interactions at a molecular level. In addition to these findings, positive interactions in intraspecific plant mixtures, particularly in crops like hexaploid wheat, are common, yet the molecular mechanisms behind them are largely unknown. Using a multidisciplinary approach that integrates forward genetics, metabolomics, transcriptomics, and reverse genetics, we aim to identify the genes and molecular pathways that govern beneficial plant-plant interactions. Specifically, we focus on mechanisms that reduce disease severity caused by key pathogens in wheat. Our long-term goal is to understand how plants recognize and respond to their intraspecific neighbors, with the potential to develop novel biosolutions and optimize crop mixtures for agroecological farming systems.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».