MétaCan
Menu
Retour à la cohorte
Enregistrement W1996586665 · doi:10.1021/jf0200671

Potassium Fertilization Effects on Isoflavone Concentrations in Soybean [<i>Glycine max</i> (L.) Merr.]

2002· article· en· W1996586665 sur OpenAlexaff
Tony J. Vyn, Xinhua Yin, Tom Bruulsema, Chung‐Ja C. Jackson, Istvan Rajcan, Sylvie M. Brouder

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2002
Typearticle
Langueen
DomaineMedicine
ThématiquePhytoestrogen effects and research
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésDaidzeinGlyciteinIsoflavonesGenisteinSoil waterChemistryPotassiumAgronomyHuman fertilizationNutrientTillageGlycineBiologyBiochemistryAmino acid

Résumé

récupéré en direct d'OpenAlex

Soybean isoflavone concentrations vary widely, but the contribution of soil fertility and nutrient management to this variability is unknown. Field experiments from 1998 to 2000 on soils with low to high exchangeable potassium (K) concentrations evaluated K application and placement effects on isoflavone concentrations and composition of soybean in various tillage and row-width systems. Soybean seed yield and concentrations of daidzein, genistein, glycitein, leaf K, and seed K were measured. Significant increases in daidzein, genistein, and total isoflavone were observed with direct deep-banded K or residual surface-applied K on low-K soils. Positive effects of K fertilization on isoflavones were less frequent on medium- to high-testing K soils. Both individual and total isoflavones were often positively correlated with seed yield, leaf K, and seed K on low-K soils. Appropriate K management could be an effective approach to increase isoflavone concentrations for soybeans produced on low- to medium-K soils.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,205
Score d'incertitude au seuil0,260

Scores Codex et Gemma par catégorie

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 Opus0,013
Tête enseignante GPT0,234
Écart entre enseignants0,222 · 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'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

Citations118
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetPhytoestrogen effects and researchTravaux en français237 207