可可叶对Phytophthora megakarya和Rhizoctonia solani的病原体特异性口腔反应
Insuck Baek1, Seunghyun Lim2, Jae Hee Jang2
1Environmental Microbial and Food Safety Laboratory, Agricultural Research Service, United States, Department of Agriculture, Beltsville, MD, 20705, USA.
机器学习分析了可可叶对黑烂 (BPR) 病原体的口腔反应. 不同的可可基因型和光照条件会影响口腔反应,有助于疾病耐药性研究.
科学领域:
- 植物病理学 植物病理学
- 植物生理学 植物生理学
- 计算生物学是一种计算生物学.
背景情况:
- 可可生产面临着黑烂 (BPR) 等疾病的威胁,这种疾病是由Phytophthora spp.引起的.
- 了解植物病原体在口腔层面的相互作用对于疾病管理至关重要.
- 机器学习为分析病理学中的复杂植物反应提供了一个未被充分利用的工具.
研究的目的:
- 用机器学习研究可可口腔对病原体的反应.
- 分析基因型,病原体和光线对口腔孔径的影响.
- 为了确定预测口腔反应的关键形态特征.
主要方法:
- 在暴露于Phytophthora megakarya和Rhizoctonia solani.的可可基因型 (SCA6,Pound7) 中对口腔口腔孔的图像分析.
- 在病原体相互作用期间,应用了不同的光照条件 (12小时的光暗周期).
- 机器学习模型被开发用于根据形态特征预测口腔区域.
主要成果:
- 口腔反应因基因型,病原体和光线而异 (没有变化,打开,关闭).
- 可可豆基因型SCA6显示了对P.megakarya的依赖光的口腔开口.
- 巧克力基因型Pound7对两种病原体都表现出口腔关闭,这表明了PAMP的识别.
结论:
- 机器学习有效地解读了植物病原体相互作用中的复杂的口腔动态.
- 形态特征,特别是大小和形状,是口腔反应的关键预测因素.
- 这种方法支持高通量表型化,用于开发抗病可可豆品种.
更多相关视频
11:50Bacterial Leaf Infiltration Assay for Fine Characterization of Plant Defense Responses using the Arabidopsis thaliana-Pseudomonas syringae Pathosystem
Published on: October 1, 2015
05:03Direct Observation and Automated Measurement of Stomatal Responses to Pseudomonas syringae pv. tomato DC3000 in Arabidopsis thaliana
Published on: February 9, 2024
相关概念视频
C4 Pathway and CAM
C4 Pathway
The C4 pathway is used by plants such as...
Regulation of Transpiration by Stomata
Adaptations that Reduce Water Loss
Responses to Drought and Flooding
Defenses Against Pathogens and Herbivores
Microbe-Plant Interactions
