Relationships of Isoflavone, Oil, and Protein in Seed with Yield of Soybean
Notice bibliographique
Résumé
Ideal soybean [ Glycine max (L.) Merr.] production systems achieve both high seed yield and high concentrations of desired seed quality components. However, the relationships between seed quality and yield of soybean are largely unknown. This study sought to determine the relationships of isoflavone, oil, and protein with seed yield of soybean across a wide range of yield levels. Field experiments involving soybean response to K fertilizer applications in alternate tillage and soybean row‐width treatments were conducted at five locations in Ontario, Canada, from 1998 through 2000. Soybean yield and the concentrations and yields of oil, protein, daidzein, genistein, glycitein, and total isoflavone in seed were determined from a total of 13 trials. Oil concentration in seed decreased 4.2 g kg −1 with each megagram per hectare of increased seed yield. The relationship between protein concentration and seed yield was not significant. Concentrations of daidzein, glycitein, genistein, and total isoflavone increased by 249, 11, 164, and 427 mg kg −1 with each megagram per hectare of increased seed yield. Overall, oil and protein concentrations were much less responsive to seed yield increases compared with individual and total isoflavone concentrations. Daidzein was the most variable and glycitein the most stable isoflavone component. In addition, yields of individual and total isoflavones, and yields of oil and protein, were all positively related to seed yield. Our results suggest that high soybean seed yield can be accompanied by high concentrations of isoflavones without any substantial declines in oil and protein concentrations.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».