Development and application of a fungicide resistance model for pepper anthracnose pathogen, Colletotrichum scovillei = 고추탄저병균 Colletotrichum scovillei를 대상으로한 살균제 저항성 모델의 개발과 응용

다국어 초록 (Multilingual Abstract)

Fungicide resistance reduces the effectiveness of fungicides, thereby reducing crop productivity and causing economic losses to farmers due to increased labor and resource needs. Strategies for managing fungicide resistance are necessary to promote the sustainable use of fungicides and increase crop production. Simulating the fungicide resistance selection dynamics using a mathematical model can assess resistance management strategies. In this study, a mathematical model was developed and validated with field data to explain the ratio of fungicide-resistant strains in the fungicide treatment scenario for Colletotrichum scovillei, the causative agent of pepper anthracnose. The model consisted of three modules: fruit growth, infection, and fungicide dynamics. These modules account for seasonal pepper fruit development influenced by weather conditions, pathogen infection mechanisms, and the effects of fungicide applications. The feasibility of the model was evaluated using the fungicide "pyraclostrobin" as a case study. Field experiments were conducted at four sites during two growing seasons (2023 and 2024) for parameterization and validation. Through model validation, the model demonstrated a reasonable ability to predict temporal changes in the ratio of resistant strains in the field. Sensitivity analysis of model parameters revealed that the reduction in infection efficiency of the susceptible strain due to pyraclostrobin had the greatest effect on the proportion of resistant strains within the model. Finally, by simulating the effect of the dosage and treatment frequency on fungicide resistant dynamics, this study provides insight into establishing an effective resistance management strategy using a mathematical model. Although this study was limited by the field experimental design, including a relatively low number of repetitions, the dynamics of fungicide-resistant strains were nevertheless effectively captured and explained within the available data using the model. Furthermore, investigating the relationship between disease incidence and severity in future research is expected to contribute to improving the model’s precision and reliability.

국문 초록 (Abstract)

살균제 저항성은 살균제의 효과를 감소시켜 작물 생산성을 감소시키고 노동력과 자원 수요의 증가로 인해 농부들에게 경제적 손실을 초래한다. 살균제 저항성을 관리하기 위한 전략은 살균제의 지속 가능한 사용을 돕고 작물 생산을 증가시키기 위해 필요하다. 수학적 모델을 사용하여 살균제 저항성 선택 역학을 시뮬레이션하면 저항성 관리 전략을 평가할 수 있다. 본 연구에서는 고추 탄저병의 주요 원인균인 Colletotrichum scovillei의 살균제 처리 시나리오에서 살균제 저항성 균주의 비율을 설명하기 위해 수학적 모델을 개발하고 현장 데이터로 검증하였다. 모델은 열매의 성장, 감염, 살균제 역학의 세 가지 모듈로 구성되었다. 이러한 모듈은 기상 조건, 병원체 감염 메커니즘 및 살균제 적용의 영향에 의해 영향을 받는 계절적 고추 열매 발달을 설명한다. 이 모델의 타당성은 살균제 "피라클로스트로빈"을 사례 연구로 사용하여 평가되었다. 현장 실험은 두 번의 작기(2023년과 2024년) 동안 네 곳에서 매개변수화 및 검증을 위해 수행되었다. 모델 검증을 통해 모델은 현장에서 시간의 흐름에 따른 저항성 균주 비율의 변화를 예측하는 능력을 합리적으로 입증하였다. 모델 매개변수의 민감도 분석 결과, 피라클로스트로빈으로 인한 감수성 균주의 최대 감염 효율 감소가 모델 내 저항성 균주 비율에 가장 큰 영향을 미치는 것으로 나타났다. 마지막으로, 용량과 처리 빈도가 살균제 저항성 역학에 미치는 영향을 시뮬레이션함으로써, 본 연구는 수학적 모델을 사용하여 효과적인 저항성 관리 전략을 수립하는 데 통찰력을 제공한다. 이 연구는 비교적 낮은 반복 횟수를 포함하여 현장 실험 설계에 의해 제한되었지만, 그럼에도 불구하고 살균제 저항성 균주의 역학은 모델을 사용한 가용 데이터 내에서 효과적으로 관찰되고 설명되었다.

목차 (Table of Contents)

• CONTENTS
• page
• ABSTRACT i
• CONTENTS iii
• LIST OF TABLES v
• LIST OF FIGURES vi
• INTRODUCTION 1
• MATERIALS AND METHODS 5
• 1. Dataset for model testing 5
• 2. Model structure 6
• 2.1. Fruit growth module 6
• 2.2. Infection module 7
• 2.3. Fungicide dynamics module 8
• 2.4. ODE model 9
• 3. Parameter estimation 13
• 3.1. Growth of chili pepper surface 13
• 3.2. Infection risk of pepper anthracnose pathogen 14
• 3.3. Dose-response curve 15
• 3.4. Decay rate 16
• 4. Simulations 16
• 4.1. Model testing 16
• 4.2. Sensitivity analysis 17
• 3.4. Simulations with various in timing and dosage 17
• RESULTS 19
• 1. Model structure 19
• 1.1 Fruit growth module 19
• 1.2 Infection module 19
• 1.3 Fungicide dynamics module 20
• 2. Model parameterization and validation 25
• 3. Sensitivity analysis 28
• 4. Simulations with valiations in timing and dosage 30
• DISCUSSION 32
• LITERATURE CITED 36
• ABSTRACT IN KOREAN 40