1,720,969 research outputs found
Supplementary dataset to the article "Development and validation of a standard area diagram (SAD) set for assessing Alternaria black spot severity in pecan leaves" [Conjunto de datos]
No full textArchivos con datos primarios, figuras y tablas.EEA CatamarcaFil: Coronel, María Victoria. Universidad Nacional de Catamarca (UNCa). Facultad de Ciencias Agrarias. Departamento de Sanidad Vegetal. Cátedra de Fitopatología; ArgentinaFil: Carrasco, Franca Denise. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Catamarca; ArgentinaFil: Carrasco, Franca Denise. Universidad Nacional de Catamarca (UNCa). Facultad de Ciencias Agrarias. Departamento de Sanidad Vegetal. Cátedra de Fitopatología; ArgentinaFil: Kaen, Ruth Mariela. Universidad Nacional de Catamarca (UNCa). Facultad de Ciencias Agrarias. Departamento de Sanidad Vegetal. Cátedra de Fitopatología; ArgentinaFil: Paredes, Juan Andrés. Instituto Nacional de Tecnología Agropecuaria (INTA). Centro de Investigaciones Agropecuarias. Instituto de Patología Vegetal (IPAVE); ArgentinaFil: Michereff, Sami Jorge. Universidade Federal do Cariri, Crato. Centro de Ciências Agrárias e da Biodiversidade; BrasilFil: Conforto, Erica Cinthia. Instituto Nacional de Tecnología Agropecuaria (INTA). Centro de Investigaciones Agropecuarias. Instituto de Patología Vegetal (IPAVE); ArgentinaFil: Conforto, Erica Cinthia. Consejo Nacional de Investigaciones Científicas Y Técnicas (CONICET). Unidad de Fitopatología y Modelización Agrícola (UFYMA); ArgentinaFil: Bernardi Lima, Nelson. Universidad Nacional de Catamarca (UNCa). Facultad de Ciencias Agrarias. Departamento de Sanidad Vegetal. Cátedra de Fitopatología; ArgentinaFil: Cazon, Luis Ignacio. Instituto Nacional de Tecnología Agropecuaria (INTA). Centro de Investigaciones Agropecuarias. Instituto de Patología Vegetal (IPAVE); ArgentinaFil: Cazon, Luis Ignacio. Consejo Nacional de Investigaciones Científicas Y Técnicas (CONICET). Unidad de Fitopatología y Modelización Agrícola (UFYMA); Argentin
Mycoparasitic Trichoderma isolates as a biocontrol agent against Valsa ceratosperma, the causal agent of apple valsa canker
No full textApple valsa canker, caused by the fungus Valsa ceratosperma, is one of the most destructive diseases of this crop. Conventional fungicide treatments are not effective enough; therefore, it is necessary to develop alternatives for the control of this pathogen. The use of Trichoderma strains as a biocontrol agent is a promising strategy for the environmentally friendly management of this disease. In this study, seven different isolates of Trichoderma spp. were obtained from the rhizospheric soil of healthy apple plants. The antagonistic capacity of the isolates against the pathogen V. ceratosperma was evaluated using the dual culture method and by the production of antibiotic non-volatile compounds. In the dual culture method, the interaction zone was observed by differential interference contrast microscopy and confocal laser scanning microscopy. The isolates RN-13, RN-33, and RN-34 inhibited more than 75% of mycelial growth, whereas RN-19, RN-16, and RN-15 inhibited growth by 65–72% with respect to the control. The mycoparasitic activity was evidenced by the coiling of hyphae around pathogen hyphae, appressorium-like structures, morphological deformations, and disintegration of mycelial walls. Apple shoots inoculated with Trichoderma isolates and then infected with V. ceratosperma showed the antagonist capacity of RN-16, RN-19, RN-15, and RN-18, which produced a significant decrease in the size of the lesion. Overall, the results showed the great potential of Trichoderma as a biocontrol agent against apple tree valsa canker. Further studies of this fungal interaction are required to design effective control strategies for the protection of apple tree orchards from this disease.Instituto de Patología VegetalFil: Valetti, Lucio. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Valetti, Lucio. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); ArgentinaFil: Bernanrdi Lima, Nelson. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); ArgentinaFil: Bernanrdi Lima, Nelson. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Cazon, Luis Ignacio. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Cazon, Luis Ignacio. Universidad Federal de Vicosa. Laboratorio de Epidemiología. Departamento de Fitopatología; BrasilFil: Crociara, Clara Sonia. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); ArgentinaFil: Crociara, Clara Sonia. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Ortega, Leandro Ismael. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Fisiología y Recursos Genéticos Vegetales; ArgentinaFil: Pastor, Silvina Estela. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Pastor, Silvina Estela. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); Argentin
Optimizing visual estimation of peanut late leaf spot severity with online training sessions and standard area diagrams
No full textQuantification of plant disease severity is key for plant pathology research, particularly in the evaluation of disease management strategies. Visual estimation of severity remains widely used, especially in field experiments. Training sessions and the use of standard area diagram sets (SADs) are known to enhance rater accuracy. In this study, we aimed to quantify and compare the benefits of these tools, either used alone or in combination, when visually assessing peanut late leaf spot severity. We designed and validated SADs to aid in disease severity estimation and also evaluated the training tool TraineR2, a web-based app that contains actual images of the disease with known severity. Our results show that both tools led to a significant improvement in rater accuracy after their use. For TraineR2, the gains in overall accuracy (ρc from 0.82 to 0.91) and precision (Pearson's r from 0.73 to 0.88) were slightly lower than those obtained with the SADs (ρc from 0.89 to 0.96 and Pearson's r from 0.85 to 0.95). When training and SADs were combined, the overall accuracy was 0.97, and Pearson's r was 0.96, values statistically similar to those achieved using SADs alone. Regarding inter-rater reliability, evaluated based on the intraclass correlation coefficient (ICC), using SADs and training together resulted in an ICC of 0.95, which was higher than using SADs alone (0.93) or training alone (0.84). Our study confirms the utility of combining training sessions and SADs for improving the accuracy of plant disease assessments.Instituto de Patología VegetalFil: Cazon, Luis Ignacio. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Cazon, Luis Ignacio. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); ArgentinaFil: Paredes, Juan Andrés. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Paredes, Juan Andrés. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); ArgentinaFil: González, N.R. Fundación ArgenINTA. Delegación IFFIVE. Córdoba; ArgentinaFil: Conforto, Erica Cinthia. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Conforto, Erica Cinthia. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); ArgentinaFil: Suarez, L. Fundación ArgenINTA. Delegación IFFIVE. Córdoba; ArgentinaFil: Del Ponte, E. M. Universidade Federal de Viçosa. Departamento de Fitopatologia; Brasi
Molecular sequence data of Thecaphora frezii affecting peanut crops in Argentina
No full textIn Argentina, Thecaphora frezii is the causal agent of peanut smut, causing severe yield losses in peanut growing areas. In this work sequence data of the large ribosomal subunit (28S rDNA) of four T. frezii specimens from different production regions are provided. A fragment of about 650 bp was amplified by PCR from each of the isolates analyzed. The analysis of the sequences demonstrated 100 % identity among the four specimens and 92–96.3 % identity with sequences of other species of Thecaphora. This is the first study on molecular sequences of this pathogen.Instituto de Patología VegetalFil: Conforto, Erica Cinthia. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Cazon, Luis Ignacio. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Fernandez, Franco Daniel. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Marinelli, Adriana. Universidad Nacional de Río Cuarto. Facultad de Agronomía y Veterinaria; ArgentinaFil: Oddino, Claudio. Universidad Nacional de Río Cuarto. Facultad de Agronomía y Veterinaria; ArgentinaFil: Rago, Alejandro Mario. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; Argentina. Universidad Nacional de Río Cuarto. Facultad de Agronomía y Veterinaria; Argentin
Peanut Smut in Argentina: An Analysis of the Disease, Advances, and Challenges
No full textPeanut (Arachis hypogaea L.) is a globally high-value food crop, with Argentina ranking third in global peanut exports. However, Argentine peanut production faces a severe threat from a fungal disease, peanut smut, caused by Thecaphora frezzii. This disease is particularly prevalent in the C´ordoba Province, where recent surveys have documented a gradual increase in the prevalence and incidence of peanut smut, becoming a significant challenge to peanut production. First identified in Brazil in the 1960s in wild peanut and later in Argentina in 1995 in commercial peanut fields, the disease has rapidly spread owing to its distinctive pathogen characteristics, including the lack of visible symptoms on aerial plant parts, spore spread, and survival, and with a lack of proactive efforts to develop and apply management strategies.Instituto de Patología VegetalFil: Paredes, Juan Andrés. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Paredes, Juan Andrés. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); ArgentinaFil: Cazon, Luis Ignacio. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Conforto, Erica Cinthia. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Conforto, Erica Cinthia. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); ArgentinaFil: Rago, Alejandro Mario. Instituto Nacional de Tecnología Agropecuaria (INTA). Centro de Investigaciones Agropecuarias (CIAP); ArgentinaFil: Rago, Alejandro Mario. Universidad Nacional de Rio Cuarto. Facultad de Agronomía y Veterinaria; Argentin
LLS-SevEst – Late leaf spot severity estimator. A machine learning approach to assessing Nothopassalora personata in peanut
Full text linkLate leaf spot (LLS), caused by Nothopassalora personata, is the most damaging foliar disease in peanut production worldwide. Accurate disease severity assessment is crucial for evaluating and implementing effective management strategies. This study aimed to develop and validate an automated image analysis model, LLS-SevEst, for quantifying LLS severity in peanut leaves. A dataset of 190 scanned leaf images was analyzed using three approaches: a fixed threshold-based segmentation, morphological preprocessing and K-means clustering. Exploratory analyses revealed distinct brightness patterns between healthy and diseased tissues, guiding the development of classification functions. The threshold-based model yielded high false positive rates due to its inability to account for natural leaf variation, while the morphological preprocessing method improved segmentation marginally but still required manual adjustments. The K-means clustering approach provided relatively better segmentation performance under the specific conditions tested and showed high potential for automated and reproducible disease severity estimation. This work should be considered a proof-of-concept, and further research is required to develop a robust and generalizable tool for LLS severity estimation.La viruela del maní, causada por Nothopassalora personata, es la enfermedad foliar más importante de este cultivo a nivel mundial. La evaluación precisa de la severidad de la enfermedad en la planta es fundamental para la implementación de estrategias de manejo efectivas. Por lo tanto, el objetivo de este estudio fue desarrollar y validar un modelo automatizado de análisis de imágenes, denominado LLS-SevEst, para cuantificar la severidad de la viruela el maní en hojas. Para esto se analizó un conjunto de 190 imágenes escaneadas de hojas de maní utilizando tres enfoques: segmentación basada en umbrales fijos, preprocesamiento morfológico y agrupación de clústeres por K-means. Los análisis exploratorios revelaron patrones de brillo distintos entre los tejidos sanos y enfermos, lo que permitió orientar el desarrollo de funciones de clasificación. El modelo basado en umbrales presentó altas tasas de falsos positivos debido a su incapacidad para considerar la variación natural en la tonalidad de las hojas, mientras que el preprocesamiento morfológico mejoró la segmentación, aunque evidenciando la necesidad de ajustes manuales. El enfoque basado en agrupamientos por K-means ofreció un mejor desempeño relativo para las condiciones evaluadas, mostrando un alto potencial para una estimación automatizada y reproducible de la severidad de la enfermedad. Debido a la naturaleza de nuestros resultados, este trabajo debe considerarse una prueba de concepto, que requiere investigaciones adicionales para constituir una herramienta robusta para la estimación de la severidad de LLS.Instituto de Patología VegetalFil: Herrador, Tiago A. Instituto Universitario de Ciencias Biomédicas de Córdoba; ArgentinaFil: Migotti Scaglia, Juliana. Instituto Universitario de Ciencias Biomédicas de Córdoba; ArgentinaFil: Paredes, Juan Andrés. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Paredes, Juan Andrés. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); ArgentinaFil: Cazon, Luis Ignacio. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Cazon, Luis Ignacio. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); Argentin
Carbón del maní: cienciometría sobre un patosistema complejo
No full textPoster y resumenDesde su primer reporte en lotes comerciales en el año 1995, el carbón avanzó rápidamente sobre el cultivo del maní. Paralelamente, diferentes grupos de trabajo iniciaron líneas de investigación con el objetivo de estudiar este patosistema desde diferentes enfoques, generando los conocimientos que actualmente forman parte de la producción científica sobre la enfermedad. Conociendo la importancia de la sistematización de la información y de la contextualización del tema al momento de iniciar tareas de investigación, nuestro objetivo fue realizar un análisis cienciométrico sobre el carbón del maní.Instituto de Patología VegetalFil: Cazon, Luis Ignacio. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Paredes, Juan Andrés. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Paredes, Juan Andrés. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); ArgentinaFil: Conforto, Erica Cinthia. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Conforto, Erica Cinthia. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); ArgentinaFil: Miretti, E. Fundación Maní Argentino; ArgentinaFil: Suarez, L. Fundación Maní Argentino; ArgentinaFil: Gonzalez, N. Fundación Maní Argentino; ArgentinaFil: Rago, Alejandro Mario. Instituto Nacional de Tecnología Agropecuaria (INTA). Centro de Investigaciones Agropecuarias (CIAP); Argentin
Molecular detection of Thecaphora frezzi in peanut (Arachis Hypogaea L.) seeds
Full text linkThecaphora frezii is the causal agent of peanut smut, important disease in the Argentine production area. The pathogen can be dispersed by kernels, through surface contamination or small lesions. The aim of this work was to design specific primers to develop a Polymerase Chain Reaction assay for the detection of Thecaphora frezii in peanuts kernels. The ITS region of four T. frezii isolates was amplified and sequenced. A consensus sequence was obtained and a pair of primers specific for the pathogen, named TF-2F and TF- 2R, was synthesized. The primers were used for specificity and sensitivity tests. The former test involved a PCR using DNA from T. frezii and other seed-transmitted pathogens (S. rolfsi, S. minor, Fusarium solani and S. sclerotiorum). A 190 bp fragment was obtained for the T. frezii isolates, whereas no amplification was observed for the remaining pathogens. For the sensitivity test, positive results were observed at concentrations up to 3x10-4 pg of the target DNA. The specificity of this method, along with its sensitivity, makes it an important tool for epidemiological studies of peanut smut.Inst. Patología VegetalFil: Cazon, Luis Ignacio. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Conforto, Erica Cinthia. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Fernandez, Franco Daniel. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Paredes, Juan Andrés. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Rago, Alejandro Mario Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; Argentina. Universidad Nacional de Río Cuarto. Facultad de Agronomía y Veterinaria; Argentin
Decoding peanut smut: A bibliometric analysis of two decades of research progress
No full textSince its first detection in commercial peanut fields in 1995, both the prevalence and impact on yield of peanut smut disease, caused by the fungus Thecaphora frezzii, have increased significantly. Concurrently, diverse research groups have investigated the disease through various methodologies, enhancing our scientific knowledge base. This study was designed to collate and analyze the literature on peanut smut comprehensively, presenting a detailed scientometric analysis that traces the trajectory of research from the beginning to the current state. To achieve this goal, bibliographic data about the disease was compiled, and metrics were calculated. The analysis revealed that a small proportion of the scientific output was published in peer-reviewed journals, with epidemiology and breeding being the predominant topics. Collaborative efforts played a pivotal role in advancing the study of this disease. The study also pinpointed the most prolific researchers, participating institutions, and the influence of the published work, alongside other trends. However, despite notable progress in peanut smut research, this progress is insufficiently reflected in peer-reviewed literature, posing a challenge for researchers within this domain. Continued studies are vital for the integrated management of peanut smut, to mitigate further yield losses and prevent the pathogen's spread into new production regions.Instituto de Patología VegetalFil: Cazon, Luis Ignacio. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Paredes, Juan Andrés. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Paredes, Juan Andrés. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); ArgentinaFil: Miretti, Esteban. Fundación Maní Argentino; ArgentinaFil: Gonzalez, Noelia. Fundación Maní Argentino; ArgentinaFil: Suarez, Lautaro. Fundación Maní Argentino; ArgentinaFil: Conforto, Erica Cinthia. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Conforto, Erica Cinthia. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); ArgentinaFil: Rago, Alejandro Mario. Instituto Nacional de Tecnología Agropecuaria (INTA). Centro de Investigaciones Agropecuarias (CIAP); Argentin
Analysis of the field-scale spatial pattern of peanut smut in Argentina
No full textPeanut smut, caused by the soilborne pathogen Thecaphora frezzii, poses a significant threat to Argentina’s peanut production. As a monocyclic disease, the infections are restricted to pegs and pods, with no direct plant-to-plant spread. Spore dissemination occurs exclusively during harvest when infected pods release spores, which can persist in the soil for many years. The lack of detailed knowledge about the spatial pattern of peanut smut in commercial fields limits the design of efficient and cost-effective experiments, accurately monitoring disease progression, and evaluating the effectiveness of management strategies. This study integrates field-scale experiments with statistical tools to investigate the spatial patterns of peanut smut across different scales, and their association with crop practices and host–pathogen interactions. Peanut smut incidence (percentage of smutted pods in a sample) was assessed at both small and large scales. Binary power law (BPL) analysis was used to analyze data from the surveyed field samples. Spatial analysis using heterogeneity, dispersion, autocorrelation, and SADIE statistics revealed that peanut smut tends to exhibit a random spatial pattern at medium-to-high disease incidence levels (> 20%), whereas localized clustering patterns occur at lower incidences (< 6%), as confirmed by the BPL. Higher disease incidences were often recorded near field entrances, likely influenced by harvesting practices and activities that promote spore concentration in specific areas. These findings highlight the importance of avoiding field edges or entrances during sampling to ensure unbiased data collection for disease monitoring. Understanding the spatial dynamics of peanut smut enhances the ability to design accurate experiments, improve sampling methods and contributes to developing better disease management strategies.Instituto de Patología VegetalFil: Paredes, Juan Andrés. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Paredes, Juan Andrés. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); ArgentinaFil: Cazon, Luis Ignacio. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Cazon, Luis Ignacio. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); ArgentinaFil: Conforto, Erica Cinthia. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Conforto, Erica Cinthia. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); ArgentinaFil: Monguillot, Joaquín Humberto. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); ArgentinaFil: Monguillot, Joaquín Humberto. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Asinari, Florencia. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; ArgentinaFil: Asinari, Florencia. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); ArgentinaFil: González, Noelia R. Fundación ArgenINTA. Delegación IFFIVE. Córdoba; ArgentinaFil: Rago, Alejandro Mario. Instituto Nacional de Tecnología Agropecuaria (INTA). Centro de Investigaciones Agropecuarias (CIAP); ArgentinaFil: Rago, Alejandro Mario. Universidad Nacional de Rio Cuarto. Facultad de Agronomía y Veterinaria; ArgentinaFil: Pérez, Agustín. University of Illinois Urbana-Champaign. Department of Crop Sciences; Estados UnidosFil: Camiletti, Boris X. University of Illinois Urbana-Champaign. Department of Crop Sciences; Estados Unido
- …
