MétaCan
Menu
Retour à la cohorte
Enregistrement W1891039566 · doi:10.6000/1927-5129.2015.11.50

Effect of Different Techniques on Germination Efficacy and Antioxidant Capacity of Indigenous Legumes of Pakistan

2015· article· en· W1891039566 sur OpenAlexvenueno aff
Dur‐e‐shahwar Sattar, Tahira Mohsin Ali, Abid Hasnain

Notice bibliographique

RevueJournal of Basic & Applied Sciences · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural pest management studies
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Karachi
Mots-clésGerminationGallic acidRadicleLegumeHorticultureBiologyFilter paperAntioxidant capacityAntioxidantBotanyAgronomyFood scienceChemistry

Résumé

récupéré en direct d'OpenAlex

The present study investigated five different strategies for germination, utilizing distinctive substrata like jute bag, separating funnel, muslin cloth, filter paper and aluminum foil followed by evaluation of percent germination, radicle size, weight gain, total phenols and antioxidant activity of eleven indigenous legumes. The results revealed that jute bag displayed the most elevated percent germination in all legumes (84-96) % with the exception of kabuli chick pea, desi chick pea, garbanzo bean and cow pea which demonstrated improved percent germination when filter paper was utilized as substrata. The longest root length (3.1cm) was seen in cow pea when filter paper was used as substrata. It was additionally observed that jute bag demonstrated the highest increment in total phenolic compounds after germination in soy bean i.e. 6.3 mg gallic acid/gram. Among all germinated legumes, cowpea demonstrated the most elevated amount of total antioxidant activity (98.1%) when either filter paper or separating funnel was utilized. The results revealed that every bean requires optimum sprouting technique/conditions inorder to enhance its antioxidant capacity to maximum extent.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,023
Tête enseignante GPT0,264
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Basic & Applied SciencesMême sujetAgricultural pest management studiesTravaux en français237 207