Dothistroma needle blight : climate and host adaptations
Bibliographic record
Abstract
Les forêts, les agents pathogènes et leurs interactions sont de plus en plus affectés par des facteurs liés au changement climatique et à la mondialisation. Ces changements influencent la répartition géographique des agents pathogènes, la gravité de leurs dommages et les impacts de leurs origines indigènes ou invasives. Dothistroma septosporum est un champignon ascomycète présent sur plusieurs continents (Europe, Afrique, Amériques); cet agent pathogène était auparavant considéré comme étant endémique sur les pins dans l'ouest de l'Amérique du Nord. Des épidémies récentes de cette maladie dans l'hémisphère nord ont été observées et semblent être directement liées au changement climatique, qui favorise la propagation de l'agent pathogène et la gravité de la maladie. Par conséquent, l'expansion des connaissances quantitatives sur la façon dont le changement climatique entraîne le développement de D. septosporum est cruciale. Dans le premier chapitre, nous analysons les gènes différentiellement exprimés de D. septosporum au cours de l'infection et comparons les interactions sensibles et tolérantes avec son hôte, Pinus contorta. On a inoculé D. septosporum à des individus de P. contorta et des échantillons du tissu infecté ont été prélevés au cours des stades précoce, moyen et tardif de l'infection. L'expression de gènes différentiellement exprimés a été comparée entre les hôtes sensibles et tolérants à la maladie. Nous avons identifié de nombreux gènes candidats qui sont différentiellement exprimés, dont ceux qui jouent un rôle dans la virulence, notamment de nombreux gènes encodant des transporteurs, facteurs de transcription et CAZymes. Ces gènes ont également été précédemment observés dans d'autres interactions pathogènes. Pour le chapitre deux, nous avons identifié les gènes et les SNPs liés à la croissance de D. septosporum à différentes températures à l'aide d'une analyse d'association à l'échelle du génome (GWA). La croissance de chaque isolat de D. septosporum provenant de l'ouest de l'Amérique du Nord a été mesurée sur une gélose à l'extrait de malt à 3 % pendant 5 semaines et le taux de croissance calculé. La contribution des SNPs a été évaluée par une analyse de régression avec un modèle linéaire. Nous avons identifié des gènes d'intérêt, associés au taux de croissance; les produits de ces gènes sont dans des classes bien connues, comme des transporteurs et la régulation du métabolisme. Les gènes candidats identifiés par GWA qui jouaient un rôle dans la croissance étaient plus répandus à des températures plus élevées (20ºC et 25ºC) en raison du meilleur ajustement des modèles par rapport à 15ºC. Une population « à risque » recueillie à Vancouver, en Colombie-Britannique, qui a un génotypage européen, a été identifiée à partir des données phénotypiques. La population de Vancouver surpasse les autres populations à toutes les températures de 15ºC, 20ºC et 25ºC. Enfin, le chapitre trois utilise des modèles de distribution des espèces (SDM) pour projeter la probabilité de propagation de D. septosporum selon plusieurs scénarios de changement climatique. La méthode « Ensemble » a été utilisée pour prendre en compte plusieurs modèles uniques, ce qui augmente la puissance de prédiction. Les données d'occurrence de l'agent pathogène ont été divisées en deux populations génétiquement distinctes, représentant les populations côtières et intérieures de l'ouest de l'Amérique du Nord. La population côtière a montré une plus grande probabilité de propagation par rapport à son homologue de l'intérieur, mais les deux semblent augmenter avec le temps et se déplacer vers le sud-est sous les climats futurs. Dans l'ensemble, les cartes de prédiction des distributions futures ont montré une augmentation de la superficie totale pour les deux populations au milieu et à la fin du siècle, 2050 et 2100, respectivement.
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".