MétaCan
Menu
Retour à la cohorte
Enregistrement W1992150144 · doi:10.5539/sar.v3n3p1

Influence of Drought and Wounding Stress on Soluble Phenols and Proteins in Potato Tubers

2014· article· en· W1992150144 sur OpenAlexvenueno aff
Christina Wegener, Gisela Jansen, Hans‐Ulrich Jürgens

Notice bibliographique

RevueSustainable Agriculture Research · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePotato Plant Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhenolsCultivarChemistryDrought stressHorticultureFood scienceBotanyBiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

<p>Potato is a valuable source for phytochemicals like vitamins, minerals, plant phenols, amino acids and proteins. However, environmental stress may affect the level of all these components. In this study, two purple breeding clones and one yellow fleshed cultivar (cv.) were assessed in their response to drought and wounding stress in two consecutive years. The plants were grown in the greenhouse under control (sufficient water supply) and with drought stress conditions. After harvest the tubers were analyzed for the content of soluble phenols and proteins in fresh tissue and after wounding. In addition, free amino acids (AAS) and activity of lipid acyl hydrolases (LAH) were assayed in control and drought stressed tubers. The results revealed significant differences in soluble phenols and proteins between genotypes, and that drought stress significantly increased the level of soluble proteins (P < 0.0001) and LAH activity (P < 0.001), but had no significant effect on the concentration of phenols. Moreover, total amounts of free AAS were higher in the drought stress variant. Wounding stress caused a significant increase of soluble phenols in cv. Agave. But, this was less prominent in purple clones which in general had higher contents of phenols. Proteins were also enhanced as a result of wounding, although, the effect of wounding stress on their level was smaller than that of drought stress.<strong></strong></p>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,696
Score d'incertitude au seuil0,815

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,018
Tête enseignante GPT0,278
Écart entre enseignants0,260 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations20
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable Agriculture ResearchMême sujetPotato Plant ResearchTravaux en français237 207