Especialización fisiológica de una población local de Pyrenophora teres f.sp. teres
Bibliographic record
Abstract
La mancha en red de la cebada (Hordeum vulgare L.), inducida por Pyrenophora teres f.sp. teres, ha mostrado un importante incremento en los últimos años, debido a la creciente aplicación de la práctica de la siembra directa sin una adecuada rotación de cultivos y el uso de cultivares con niveles de resistencia genética poco adecuados. El conocimiento de la estructura poblacional del patógeno permite el logro de cultivares con resistencia genética efectiva frente a esa población. Se inocularon cuarenta y tres aislados de P. teres f. sp. teres en veinte genotipos de cebada uruguayos, en condiciones controladas de temperatura y fotoperíodo. Dieciocho aislados exhibieron los máximos niveles de virulencia en todos los genotipos. No se observó ningún aislado completamente avirulento y todos los genotipos fueron susceptibles en diversos grados. La variedad INIA Ceibo mostró el mejor comportamiento relativo mientras que las más susceptibles fueron Ackerman Madi y Danuta. No fue posible la identificación de grupos de aislados con perfiles de virulencia diferente; tampoco se detectaron genotipos de cebada con resistencia diferencial. La alta variabilidad encontrada en estas muestras de P. teres f. sp. teres y de genotipos de cebada, indica que la realización de estudios más exhaustivos mejorará el conocimiento de la composición de los perfiles de virulencia y de resistencia y por tanto contribuirá a la obtención de cultivares con resistencia más efectiva.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".