MétaCan
Menu
Retour à la cohorte
Enregistrement W1967191156 · doi:10.1081/pln-120027654

Screening Common Bean Genotypes for Tolerance to Low Zinc Availability Using a Chelate-Buffered Hydroponics System

2004· article· en· W1967191156 sur OpenAlexaff
J. Diane Knight, Diego Gangotena, Deborah L. Allan, Carl J. Rosen

Notice bibliographique

RevueJournal of Plant Nutrition · 2004
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Micronutrient Interactions and Effects
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésHydroponicsZincShootPhosphorusHorticultureChelationGenotypeChemistryPlant physiologyPlant nutritionDry weightZinc deficiency (plant disorder)Phosphorus deficiencyBiologyAgronomyAnimal scienceBotanyNutrientBiochemistry

Résumé

récupéré en direct d'OpenAlex

A chelate-buffered hydroponics system was assessed for its ability to induce zinc (Zn) deficiency in common bean and for its usefulness as a tool to select genotypes tolerant of Zn deficiency stress. Twenty-two common bean genotypes were evaluated for tolerance to Zn deficient conditions using the buffered hydroponics system. Relative yield (comparing growth under low Zn to adequate Zn conditions) and Zn and phosphorus (P) accumulation in plants were measured. Significant Zn deficiency stress was induced in all of the genotypes with relative yields ranging from 11.5 to 52.6%. Six genotypes were identified as being tolerant to low Zn. These six genotypes (E 101, AND 684, LSA 102, SUG 55, PVA 773, and CENTRO) all had relative yields >29%, were able to accumulate >60 µg Zn per plant from solution and were better able to regulate P uptake to avoid excessive P accumulation than the other genotypes. In a second experiment, a subset of seven genotypes grown in the chelate-buffered hydroponics systems were compared directly to plants grown in field soil. The two systems correlated well for total dry weight (r = 0.57, P < 0.001), shoot Zn content (µg g−1) (r = 0.58, P < 0.001), and total Zn content (µg g−1) (r = 0.64, P < 0.001) when plants were grown under low Zn conditions.

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 enseignants0,006
Score d'incertitude au seuil0,012

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)0,0000,000

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 GPT0,237
Écart entre enseignants0,214 · 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
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Plant NutritionMême sujetPlant Micronutrient Interactions and EffectsTravaux en français237 207