Effects of two training systems on sugar metabolism and related enzymes in cv. Beibinghong (<i>Vitis amurensis</i> Rupr.)
Notice bibliographique
Résumé
Liu, L., Nan, L., Zhao, X., Wang, Z., Nan, H. and Li, H. 2015. Effects of two training systems on sugar metabolism and related enzymes in cv. Beibinghong (Vitis amurensis Rupr.). Can. J. Plant Sci. 95: 987–998. Eight individual sugars and four sugar-metabolism-related enzymes were investigated in the development of Vitis amurensis Rupr. ‘Beibinghong’ grape berries. Two different training systems, vertical shoot positioning (VSP) and Y-shaped training system (Y-shape) were applied. Sucrose contents in the two training systems were significantly related to the sucrose phosphate synthase (SPS) and sucrosynthetic activity of sucrose synthase (SS-s) in berries before veraison. The results show that throughout the veraison period, individual sugars, such as glucose, fructose, galactose and lactose, increased. Glucose and fructose were affected by both training systems, mainly at 15 and 16 wk (weeks after fruit setting). Training systems had no significant effects on the rhamnose, arabinose, galactose and maltose contents, and barely had an effect on the lactose content. The VSP training system mainly affected the sucrose content during the harvest period, while the Y-shape affected sucrose content mainly after 9 wk. During 2011 to 2013, VSP and Y-shape strongly affected the sucrose contents before veraison, and also affected the cleavage activity of sucrose synthase (SS-c) mainly between 5 and 8 wk; however, different training systems barely affected the soluble acid invertase (SAI) activities in whole berry growth. From the perspective of the whole berry development, the results showed that different systems had no significant effects on individual sugars and enzymes.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».