Changes in sugars and phenolics concentrations of Williams pear leaves during the growing season
Notice bibliographique
Résumé
Leaves of Williams pear were collected during the growing season from May to October and the contents of sugars and phenolic compounds were analyzed by high-performance liquid chromatography method. Sorbitol was the major sugar (up to 83.8 g kg -1 DW), followed by sucrose (up to 22.1 g kg -1 DW). Concentrations of glucose and fructose were as high as 12.9 and 9.0 g kg -1 DW, respectively. Leaves contained up to 29 471.9 mg kg -1 DW of chlorogenic acid, followed in concentration by rutin (up to 6789.2 mg kg -1 DW), epicatechin (up to 7378.0 mg kg -1 DW), catechin (up to 3846.5 mg kg -1 DW), vanillic acid (up to 1832.1 mg kg -1 DW), syringic acid (up to 1123.5 mg kg -1 DW), caffeic acid (up to 122.5 mg kg -1 DW) and sinapic acid (up to 94.1 mg kg -1 DW). The significant differences in concentration of sorbitol, sucrose, glucose, and in all analyzed phenolics were observed during the growing season (six sampling dates). The lowest concentrations in the leaf were found at the beginning of the growing season in May and June. The highest contents of sugars were in October, with the exception of sorbitol. During the growing season, total phenolic content first increased, then declined. Chlorogenic acid, rutin and caffeic acid contents increased until July, vanillic acid and sinapic acid until August, and catechin, epicatechin and syringic acid until September. However, total phenolic content dropped by 50% from September to October. Key words: Pear leaves, sugars, phenolics, growing season
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 ».