课件：病原物的侵染和侵染概率.ppt

* 例如：当y=0.5时 m=ln(1-0.5)=0.693 这就是说，假如1000个位点中发病500个，则可估计实际发生了693次侵染，其中有693-500=193次侵染是重叠在其他侵染点上。 * 表4-1 若干对y, m 对应值， y m y m y m 0.01 0.05 0.10 0.15 0.20 0.30 0.01 0.051 0.117 0.163 0.223 0.357 0.40 0.50 0.60 0.70 0.80 0.90 0.511 0.693 0.913 1.204 1.609 2.303 0.91 0.92 0.95 0.98 0.99 0.999 2.408 2.526 2.996 3.912 4.605 6.908 由上可见，当病害发生已重时，每再增加一定量的发病率需要的菌量比病轻时多得多，这一点已由不少实验证实，不仅气传病害，而且土传病害方面均获得了重叠侵染的证据。 * 3. 关于侵染数限（侵染阈值）问题 当接种量低到一定程度以后，发病数量便往往呈现为零，这就会使人想到“侵染数限”（numerical threshold of infection）问题，即在某些病害中，是否单一传播体不能引致侵染，必须某一定数量以上的传播体才能引致一个位点发病。这个概念最初是高又曼（Gaumann, 1946）提出的。他以马铃薯癌肿病为例，根据试验数据（图4. 1），认为每克土壤中孢子囊数必须达到200个以上才能引致侵染。 * 每克土壤中孢子囊数 每克土壤中孢子囊数 图4.1 Gaumann 提出侵染数限假说所据的 图4.2 马铃薯癌肿病接种量与侵染 试验数据马铃薯癌肿病接种量和发病点 数量的关系（Vanderplank 据Glynne 数的关系，Glynne, 1925) 1925年资料改制） ? 0 200 500 1000 0 1000 2000 发病点数 3 2 0 * Vanderplank 认为侵染数限的假说是缺乏证据的。许多病害中单孢接种，甚至细菌的单细胞接种，可以引致发病，便是有力的反证。他还把Gauman 所据(Glynne, 1925)重新加工，将发病百分率进行重叠侵染转换，以估计侵染点数和接种量作图（图4.2）。可以看出：在试验误差允许范围内，侵染数量与菌量呈直线关系，直线通过原点，即并未指出有侵染数限的存在。 * Vanderplank 认为，在算术分格的坐标纸上，ID-DI曲线通过原点，这是一条试验法则。他认为如果单孢子不能侵染，即单个孢子侵染概率为零，那么多个孢子的侵染概率仍为零，除非存在着必要的协生作用，而这种必要的协生作用是不存在的。 * 通常出现的只有接种量达到一定程度后才能引致发病，可能是由于侵染概率很低，而且由于种种遭遇使这一很低的侵染概率未能成为现实。例如侵染概率为 0.1%, 则用几个接种体接种当然极难成功，要用到1000个以上才较易接种成功。如此说来，Gaumann 的所谓侵染数限乃是侵染概率的一种表现。 * 4. 高接种量下的协生作用和拮抗作用 A. 协生作用 B.自我抑制作用或拮抗作用 * 5．数据转换和模型建立 ①半对数（或单对数）转换(semilogarithmic transformation) 横坐标为接种量或接种体数量（个数），纵坐标为原始数据病情百分率经重叠侵染转换后所得的侵染点数。在很多场合下，这种转换可使ID-DI直线化或近似于直线，直线的斜率便是侵染概率。如有协生或拮抗作用，曲线的上端便会上升或下降。 * ②对数-对数（或双对数）转换（Log-log transformation） 横坐标为lnID(或logID，下同) 纵坐标为ln[- ln(1-y)] ，即经重叠侵染转换后所得估计侵染点数的对数。 ③对数-概率转换（logarithmic-probability or probit transformation） 概率单位（probit）是把病情百分率按正态分布推算出的转换值，纵坐标为病情百分率的概率单位值，横坐标为接种量的对数值，这就是对数-概率转换。 * 6. 侵染概率因寄主感病性、病原物致病性和环境条件而异 侵染概率是由寄主抗病性、病原物致病性和环境条件共同决定的。可以通过试验，建立侵染概率因寄主、病原、环境条件而