Comprendre le rôle du microbiote des bonsaïs dans leur vulnérabilité et résilience face aux maladies émergentes
Bibliographic record
Abstract
Les changements climatiques et les activités humaines facilitent la dispersion d’espèces pathogènes dans de nouveaux écosystèmes, où elles peuvent infecter des plantes indigènes vulnérables. Le Jardin botanique de Montréal abrite une précieuse collection de bonsaïs, dont plusieurs présentent depuis peu des symptômes foliaires inhabituels. Compte tenu de leur valeur culturelle et artistique, l’identification des causes microbiologiques potentielles de ces symptômes est prioritaire. Cette étude vise à identifier les agents pathogènes potentiels chez trois espèces de bonsaïs symptomatiques (Acer palmatum, Pinus thunbergii, Ulmus parvifolia) et à évaluer si le microbiote foliaire influence leur vulnérabilité ou résistance aux maladies. À l’aide du séquençage d’amplicons, nous avons comparé les microbiotes foliaires fongiques d’arbres sains et malades au cours d’une saison de croissance. Les résultats révèlent des différences dans la composition des communautés fongiques avant l’apparition des symptômes, suggérant un rôle de la dysbiose dans leur manifestation. Des variations dans la diversité alpha et bêta des microbiotes au fil du temps étaient également associées à l’apparition des symptômes. Enfin, plusieurs souches fongiques opportunistes, comme Pleurotus ostreatus et Alternaria spp., ont été identifiées chez les spécimens malades, mais aucun phytopathogène classique n’a été détecté. Ces observations suggèrent une origine racinaire possible de la maladie et soulignent la vulnérabilité des bonsaïs à des maladies émergentes, exacerbées par les conditions artificielles dans lesquelles ils sont cultivés.
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 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".