MétaCan
Menu
Retour à la cohorte
Enregistrement W1980372545 · doi:10.1021/jf802307h

High Potential for Selenium Biofortification of Lentils (Lens culinaris L.)

2008· article· en· W1980372545 sur OpenAlexaffabout
Dil Thavarajah, Jamie Ruszkowski, Albert Vandenberg

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2008
Typearticle
Langueen
DomaineNursing
ThématiqueSelenium in Biological Systems
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésBiofortificationSeleniumMicronutrientFood scienceHuman nutritionAgronomyLegumeBiologyTrace elementChemistryBiotechnologyBotany

Résumé

récupéré en direct d'OpenAlex

Beneficial forms of selenium (Se) and their impact on human health are a global topic of interest in public health. We are studying the genetic potential for Se biofortification of pulse crops to improve human nutrition. Lentils ( Lens culinaris L.) are an important protein and carbohydrate food and are a valuable source of essential dietary components and trace elements. We analyzed the total Se concentration of 19 lentil genotypes grown at eight locations for two years in Saskatchewan, Canada. We observed significant genotypic and environmental variation in total Se concentration in lentils and that total Se concentration in lentils ranged between 425 and 673 microg kg(-1), providing 77-122% of the recommended daily intake in 100 g of dry lentils. Over 70% of the Se was present as selenomethionine (SeMet) with a smaller fraction (<20%) as inorganic Se and very small amounts as selenocysteine (SeCys). We found that soils from the locations where the lentils were grown were rich in Se (37-301 microg kg(-1)) and that lentils grown in Saskatchewan have the potential to provide an excellent natural source of this essential element. Our analyses gave us a preliminary understanding of the genetic basis of Se uptake in lentil and indicated that any potential strategy for micronutrient biofortification in lentil will require choice of field locations that minimize the spatial variability of soil Se content.

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 enseignants0,023
Score d'incertitude au seuil0,047

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 savante0,0010,000
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 Opus0,019
Tête enseignante GPT0,218
Écart entre enseignants0,199 · 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

Citations128
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetSelenium in Biological SystemsTravaux en français237 207