Développement d'un bioessai moléculaire pour le diagnostic des sept principaux gènes d'avirulence chez Phytophthora sojae
Bibliographic record
Abstract
L’une des principales maladies attaquant le soya est la pourriture phytophthoréenne, causée par l’agent pathogène Phytophthora sojae. La méthode de lutte la plus efficace à ce jour pour contrer cet agent pathogène est la lutte génétique. Des gènes de résistance (Rps) se trouvant naturellement dans certaines lignées de soya sont introgressés dans des cultivars ayant un attrait pour l’agriculture. Cependant, pour définir quel gène Rps utiliser, il est essentiel de connaître les pathotypes de P. sojae se trouvant dans le sol, puisque les gènes Rps reconnaissent les gènes Avr caractérisant les différents pathotypes. Actuellement, les méthodes d’identification des nombreux pathotypes de l’agent pathogène sont des techniques de phénotypage longues et parfois imprécises. Cette étude présente donc le premier outil moléculaire ayant pour but de diagnostiquer rapidementet précisément les pathotypes de P. sojaese trouvant dans un échantillon de sol ou de tissus végétaux infecté. Une étude exhaustive de 31 isolats de P. sojae préalablement réalisée a permis d’identifier des marqueurs discriminants entre les haplotypes de virulence et d’avirulence pour les sept principaux gènes Avr retrouvés en Amérique. Des amorces spécifiques aux différents marqueurs ont été créées. Elles ont par la suite été adaptées afin de pouvoir être utilis.es simultanément dans une PCR multiplexe. Un taux d’efficacité à identifier les gènes d’avirulence présents chez différents isolats de P. sojae de 96% a été atteint lors de l’étude, Avr3a étant le seul gène à présenter des résultats aléatoires. Cela a donc ouvert la porte à d’éventuelles études plus approfondies sur l’interaction entre les gènes Rps3a et Avr3a. Le test sera de plus un outil précieux dans la prise de décision du cultivar à semer pour les producteurs, qui auront désormais accès à plus d’informations quant aux souches de P. sojaese trouvant dans leurs champs.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
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".