జర్నల్ ఆఫ్ ప్లాంట్ ఫిజియాలజీ & పాథాలజీ

విజిబుల్-నియర్ ఇన్‌ఫ్రారెడ్ రిఫ్లెక్టెన్స్ స్పెక్ట్రోస్కోపీ నుండి బైనోమియల్ లాజిస్టిక్ రిగ్రెషన్ మోడల్‌లను ఉపయోగించి ఫ్యూసేరియం ఆక్సిస్పోరమ్ ఇన్ఫెక్షన్‌ను ముందస్తుగా గుర్తించడం

జువాన్ కార్లోస్ మారిన్-ఓర్టిజ్ ఎ , లిలియానా మరియా హోయోస్-కార్వాజల్ ఎ , వెరోనికా బోటెరో-ఫెర్నాండెజ్ బి , లూసియో ఫ్లావియో డి అలెంకార్ ఫిగ్యురెడో సి

వాస్కులర్ విల్ట్ అనేది పెద్ద సంఖ్యలో ఆర్థికంగా ముఖ్యమైన పంటలకు తీవ్రమైన ముప్పు. వ్యాధి సంభవం యొక్క మూల్యాంకనం దృశ్యమానంగా జరుగుతుంది, ఇది దానిని ఆత్మాశ్రయ మరియు ఆలస్యం చేస్తుంది, అంతేకాకుండా, దీనికి విధ్వంసక నమూనా అవసరం. కనిపించే మరియు సమీప-ఇన్‌ఫ్రారెడ్ (VIS/NIR) స్పెక్ట్రల్ శ్రేణిలో స్పెక్ట్రా రిఫ్లెక్టెన్స్ డేటాను ఉపయోగించి ఫ్యూసేరియం ఇన్‌ఫెక్షన్‌ను అంచనా వేయడానికి ద్విపద లాజిస్టిక్ రిగ్రెషన్ మోడల్స్ (BLRM) అప్లికేషన్ ఇప్పటివరకు దాని హోస్ట్‌లలో ఏదీ ప్రయత్నించబడలేదు. ఈ పరిశోధన యొక్క లక్ష్యం BLRM ఆధారంగా ఒక పద్దతిని అభివృద్ధి చేయడం, ఇది రిఫ్లెక్టెన్స్ స్పెక్ట్రాను ఉపయోగించి టొమాటో మొక్కలలో ఫ్యూసేరియం ఇన్ఫెక్షన్ యొక్క సంఘటనలను గుర్తించడానికి అనుమతిస్తుంది. వ్యాధి యొక్క లక్షణరహిత కాలంలో రెండు టమోటా రకాలు, ఒకటి తట్టుకునే మరియు ఫ్యూసరిమోక్సిస్పోరమ్ యొక్క అన్ని జాతులకు అనువుగా ఉండే ఒక అధ్యయనం జరిగింది . అవి 16 BLRM చొప్పున అభివృద్ధి చేయబడ్డాయి, ఒక్కో నమూనాకు ఒక మోడల్ (ప్రతి మూడు రోజులకు), ఇవి చాలా ముఖ్యమైనవి (p <0.001) మరియు 6 రోజుల పోస్ట్‌ఇన్‌ఫెక్షన్ (DPI) తర్వాత ఫిట్ యొక్క అధిక మంచితనాన్ని చూపించాయి. ఫ్యూసేరియం విల్ట్ గుర్తింపు కోసం నమ్మదగిన మూడు కీలక తరంగదైర్ఘ్యాలు గ్రీన్‌హౌస్ సెట్టింగ్‌లో గుర్తించబడ్డాయి: 430 nm, 550 nm మరియు 750 nm (R430, R550 మరియు R750) వద్ద ప్రతిబింబాలు. టాలరెంట్ ప్లాంట్‌లలో అభివృద్ధి చేయబడిన మోడల్‌లలో కేవలం 3 dpi (I _3dpi ) వద్ద R970 సంభవం మరియు 9 DPI (I _9dpi ) వద్ద R704 సంభవం ముఖ్యమైనవి కావు. పొందిన ఫలితాల ప్రకారం, టమోటాలోని ప్రతిబింబ డేటా నుండి ఉత్పత్తి చేయబడిన BLRMలు మొక్కలు అధిక అంచనా దిగుబడిని కలిగి ఉంటాయి. ఈ పరిశోధనలో అభివృద్ధి చేయబడిన BLRMల నమూనాలు త్వరితగతిన గుర్తించే సామర్థ్యాన్ని కలిగి ఉంటాయి మరియు వ్యాధి పొదిగే కాలంలో మొక్కలలో వాస్కులర్ విల్ట్ సంభవం యొక్క నాన్-డిస్ట్రక్టివ్ అంచనా.