Nyt værktøj forudsiger risiko for plantesygdom og angreb verden over

En nyudviklet teknik kan forudsige risikoen for plantesygdom eller angreb over hele kloden. Beskrevet i open-access journal Grænser i anvendt matematik og statistik , teknikken betragter skadedyr-vært-interaktioner og den geografiske fordeling af sårbare planter for at give kort over potentielle sygdom-hotspots. Dette kan hjælpe regeringerne med at forstå risikoen for udbrud, før de sker.

Sygdomme og skadedyr kan have en ødelæggende indvirkning på planter, det omgivende økosystem, og madforsyninger. Disse virkninger kan være særligt skadelige, når et skadedyr eller et patogen invaderer et nyt område, hvor indfødte planter har ringe naturlig modstand, og den destruktive invader har få indfødte rovdyr eller konkurrenter.

Regeringsorganer forsøger at begrænse skadedyr og patogener ved at kontrollere bevægelsen af ​​planter og dyr mellem lande og regioner. Imidlertid, med international handel og rejse, det kan være svært eller umuligt at stoppe skadedyr og patogener fra at sprede sig.

En måde at komme godt i gang med at forebygge infektioner og angreb, er at analysere, hvor kendte skadedyr og patogener befinder sig i øjeblikket, og se derefter på fordelingen af ​​planter, der kan være sårbare over for angreb. Denne type dybdegående analyse kan dog være tidskrævende, i betragtning af det enorme udvalg af planter, patogen- og skadedyrsarter.

For bedre at kunne forudsige udbrud, forskere i Mexico udviklede en ny række algoritmer til at forudsige udbrud. Deres teknik er baseret på princippet om, at nært beslægtede planter, der vokser nær hinanden, er tilbøjelige til infektion eller angreb af de samme patogener eller skadedyr. Ved at studere den geografiske fordeling af nært beslægtede planter, forskergruppen genererede kort over potentielle hotspots for sygdomme.

For at teste deres algoritmer, holdet anvendte dem på et invasivt skadedyr, der findes i Nordamerika, redbay ambrosia billen. Denne invasive bille overfører Laurel Wilt Disease, som kan være dødelig for planter af laurbærfamilien. Forskerne konsulterede onlinedatabaser for at finde en gruppe ambrosia biller, der er tæt forbundet med redbay ambrosia beetle, og en gruppe plantearter, der er forbundet med disse biller.

Brug af kendte bille/plante -interaktioner som udgangspunkt, og derefter bruge deres algoritmer til at estimere sandsynligheden for, at nært beslægtede planter ville blive påvirket på samme måde, forskerne beregnede sandsynligheden for, at hver plante bliver påvirket af en bestemt billeart.

Holdet indarbejdede derefter data om den kendte geografiske fordeling af hvert anlæg. Hvis der findes planter over store områder, så har de større risiko for at pådrage sig og sprede et udbrud. Ved hjælp af deres algoritmer, forskerne beregnede sandsynligheden for, at flere plantearter bliver angrebet af en bille, når planterne er til stede på samme sted.

Ved hjælp af teknikken, teamet lavede kort, der viser regioner i verden, der sandsynligvis vil lide angreb, eller interaktion mellem biller og planter. Kortene afspejler nøjagtigt billernes oprindelige territorier, sammen med den nylige invasive adfærd hos nogle biller, herunder fremrykning af en bille mod syd i hele USA. Bekymrende, modellen angav, at lignende anlæg i Central- og Sydamerika kunne være sårbare over for invasion næste gang.

Disse typer kort kan være meget nyttige for offentlige myndigheder og økologer i at forstå og forudsige udbrud, ved at fremhæve aktuelle eller potentielle sygdom hotspots, men teamet har brug for yderligere data fra feltarbejde for at kontrollere systemets nøjagtighed.

Imidlertid, disse algoritmer kan ikke kun anvendes på planteangreb. "Metoden giver brugervenlige computerværktøjer, som kan anvendes til at forstå og forudsige interaktioner mellem enhver gruppe af organismer, "siger Andrés Lira-Noriega, en forsker involveret i undersøgelsen.