dsRNA as a novel tool to fight Verticillium diseases - from basics to future applications
Notice bibliographique
Résumé
Verticillium infections affect a wide range of plant hosts and cause considerable losses for economically relevant crops like cotton, tomatoes, oilseed rape, and many others. The lifestyle of this soil-borne fungal pathogen further complicates the management strategies and is currently limited to cultural practices such as crop rotation and the use of resistant cultivars, aimed to reduce the presence of disease causing microsclerotia resting in the soil. V. longisporum is the latest characterized species with a nearly diploid genome and a narrower host range – in comparison to the better studied species, namely V. dahliae and V. albo-atrum – is a major threat to oilseed rape production in Europe and Canada. The lack of reliable management strategies led to the interest in exploring RNA interference (RNAi) based alternatives, using double-stranded (ds)RNA to target virulence genes identified from the closely related species V. dahliae. The dissertation covers the confirmation of RNAi machinery activity and targeted gene silencing using 450-500 bp (ds)RNA, followed by a hydroponic based infection assay development and in-vitro growth assay in 96-well-plates for scalability. Both assays were used to assess the plant protection potential for the selected gene targets, formulation development for stabilizing (ds)RNA, and (ds)RNA detection assay after spray application. The selected gene targets demonstrated variable effects on growth and virulence, resulting in different in-vitro growth patterns and disease severity after (ds)RNA addition. The results highlighted the necessity of gene target selection framework and revealed the challenges facing this approach to achieve a prolonged plant protection on a larger scale.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».