Suchergebnis in den Forschungsaktivitäten der Entscheidungshilfevorhaben
| Titel: | Verbundvorhaben zur 'Bekaempfung des Feuerbranderregers im Obstbau ohne Antibiotika', Teilprojekt 06HS037 'Verbesserung von bestehenden computergestuetzten Prognosemodellen fuer den Feuerbrand unterstuetzt durch Untersuchungen zur Epidemiologie und Pathogenese des Feuerbranderregers (Erwinia amylovora)' |
|---|---|
| Beschreibung (dt.): | Verbundvorhaben zur 'Bekaempfung des Feuerbranderregers im Obstbau ohne Antibiotika', Teilprojekt 06HS037 'Verbesserung von bestehenden computergestuetzten Prognosemodellen fuer den Feuerbrand unterstuetzt durch Untersuchungen zur Epidemiologie und Pathogenese des Feuerbranderregers (Erwinia amylovora)' |
| Ergebnis (dt.): | Die gegenwärtigen Bekämpfungstrategien für den Feuerbranderreger Erwinia amylovora stützen sich vor allem auf dem Einsatz computergestützter Prognosemodelle für die exakte Terminierung geeigneter Pflanzenschutzmaßnahmen. Die bisherigen Programme basieren lediglich auf der Erfassung physikalischer Parameter wie Temperatur und Feuchtigkeit. Das tatsächlich vorhandene Erregerpotential von Erwinia amylovora ist nicht in die Berechnungen mit einbezogen. Um das Erregerpotential flächendeckende zu erfassen, wurde hier zur quantitativen Erfassung des Erregers der Einsatz der Real Time PCR geprüft. Der Einfluss des Erregerpotentials sollte dann Eingang in die Berechnungen der Prognosemodelle finden. Die Befunde der in Blütenproben so quantitativ erfassten Erreger korrelieren gut mit der Symptomausbildung während der weiteren Wachstumsphase. So wurde die Einsatzfähigkeit der Methode bestätigt, die sich außerdem für eine frühzeitige Erfassung des Erregers (lange bevor sich durch den Aufbau einer kritischen Erregermenge Symptome ausbilden) eignet. Durch eine Unsicherheit im unteren Nachweisbereich der Methode sowie die hohe Probenzahl zur statistischen Absicherung der Ergebnisse schränken den flächendeckenden Einsatz der Methode derzeit noch ein. Die Methode wurde durch leichte Modifikation auch auf andere Pflanzengewebe ausgeweitet, was eine Erfassung des Erregers über die Blühperiode hinaus zulässt und ein ganzjähriges Monitoring des Erregers z.B. an Fruchtmumien ermöglicht. Diese Methode erlaubt ebenso eine Analyse der Verbreitung des Erregers auf Wirts- und Nicht-Wirtspflanzen und trägt daher wesentlich bei zum besseren Verständnisses für die epiphytische Erregerausbreitung. Mit der Methode kann auch die endophytische Ausbreitung des Erregers im Gewebe erfasst werden. So können wertvolle Empfehlungen für effiziente Kulturmaßnahmen weiter untersucht und validiert werden. |
| Ergebnis (engl.): | Fire blight, caused by the Gram-negative bacterium Erwinia amylovora is the most damaging bacterial disease of pome fruit world wide. Disease outbreak is only sporadic, disease outcome, however, may be devastating. Aside from physical factors like temperature and humidity, presence of the pathogen in sufficient amounts to cause infection is a crucial aspect in the development of disease, which so far has only been inadequately addressed. Quantification of the pathogen in various tissues using Real Time PCR seemed a suitable method to improve predictive forecasting models, and to achieve an early detection of the pathogen before the built up of a perilous pathogen population to facilitate adequate countermeasures. An improved understanding of the epidemiology of the pathogen and its distribution within diseased but visually symptomless tissue is another vital aspect, which can be addressed using Real Time PCR. We have refined a real time PCR based absolute quantification of E. amylovora to be used in the field on a variety of environmental samples (flowers, leaves, fruit mummies) of host and non-host plants. The method allows a fast and reliable monitoring of pathogen abundance. We have applied the method to monitor E. amylovora in blossoms over a period of four years (2007 – 2010). Slight modifications of the original protocol allow the analyses of other samples to extend the monitoring period. At the same time the method can also be used on samples from non-host plants in order to determine their contribution to pathogen population built up, and to determine the distribution of bacteria within plant tissue. Our results show that Real Time PCR is a suitable method to determine the amount of pathogen present. The amount of positive blossom samples detected in various orchards correlated with symptom development later in the growing season. A still existing problem is the lower detection limit of the method, and the number of samples to be taken for a specific area to accurately determine the level of pathogen present. Integration of the amount of pathogen detected into refined prediction algorithms is in the process and aimed at improving applied forecasting models. The method is also suited to allow a quantitative detection of the pathogen early in the growing season long before symptoms occur. Using modifications of the method, our Real Time PCR assay also allows the quantification of pathogen outside the blooming period within or on the surface of different tissue, or plant organs like leaf surfaces or within fruit mummies. This may allow a monitoring of the pathogen population throughout the year and in the long run may facilitate timely countermeasures. Our results also indicate a potential role of fruit mummies in overwintering and dissemination of the pathogen early in the growing season, as well as a role of non-host flowers in the built up of pathogen potential. The method is also capable of monitoring disease progression in infected, but symptomless tissue. Results from this set of experiments might improve recommendations for good cultural practice. In conclusion, the method developed has increased our knowledge about the epidemiology and distribution of the pathogen within tissue significantly. The method allows a rapid and reliable determination of the amount of pathogen present in a variety of samples and is therefore well suited for future monitoring purposes. However, the method is still fairly cost intensive and does not totally exclude the possibility of disease development in orchards with an initially low pathogen abundance. Other visual, non-invasive, spectroscopic methods already in use for other plant/pathogen combinations might be a valuable alternative to Real Time PCR. These novel methods, however, need to be calibrated, which could be done using the Real Time PCR approach. |
| Laufzeit: | Beginn: 29.03.2007 / Ende: 31.08.2010 |
| Ausf. Einrichtung: | Universität Konstanz - Mathematisch-Naturwissenschaftliche Sektion - Fachbereich Biologie, Konstanz |
| Themenfelder: | Pflanzenschutz, Pflanzengesundheit, crop protection, plant health |
| Förderprogramme: | Entscheidungshilfebedarf |
| Schlagworte: | Bakteriologie, bacteriology, Pflanzenbau, crop production, Nachhaltigkeit, sustainability, Diagnostik, diagnostics, Obstbau, fruit production, Qualitätsmanagement, quality management, Mikroorganismen, microorganisms, Kernobst, pome, Pflanzenkrankheiten (Viren, Bakt., Pilze, Phytoplasmen), plant diseases (virusus, bacteria, fungi, phytoplasma) |
| Förderkennzeichen: | 2806HS037 |
| Dokument zum Download: | 06HS037.pdf (480,1 KB) |
Kontakt: |
Benutzen Sie unser Kontaktformular
oder E-Mail an projekttraeger-agrarforschung@ble.de |
Übergreifende Suche in allen Vorhaben des Projektträgers...
Such-Tipps:
Stichwortsuche:
Mehrere Begriffe werden automatisch verknüpft. Auch Wortbestandteile werden in folgenden Datenfeldern gesucht:
Projekttiteln und Beschreibungen (in deutsch, englisch, französich), Förderkennzeichen, Schlagworten und Zielländern.
Die folgenden Beispiele veranschaulichen einige Such-Strings, die boolesche Volltextoperatoren verwenden:
Weizen Stroh
Findet Datensätze, die mindestens eines der beiden Wörter enthalten.
+Weizen +Züchtung
Findet Datensätze, die beide Wörter enthalten.
Weizen +Sorte
Findet Datensätze, die das Wort "Weizen" enthalten, stuft aber solche Datensätze höher ein, die auch "Sorte" enthalten.
+Weizen -Gerste
Findet Datensätze, die das Wort "Weizen", aber nicht das Wort "Gerste" enthalten.
Weizen*
Findet Datensätze, die Wörter wie "Weizen", "Weizenmehl", "Weizenbier" oder "Weizenanbau" enthalten.
"Kleegras und Grünland"
Findet Datensätze, die die exakte Phrase "Kleegras und Grünland" enthalten. Dies wäre etwa "Stickstoffkreisläufe in Kleegras und Grünland", nicht aber "Stickstoffkreisläufe in Kleegras oder Grünland".
Beachten Sie, dass die (")-Anführungszeichen, die die Phrase umschließen, Operatorzeichen sind, die der Trennung der Phrase dienen. Es handelt sich hierbei nicht um Anführungszeichen, die den Such-String selbst umfassen.
