Characterization of High‐Tannin Fractions from Humus by Carbon‐13 Cross‐Polarization and Magic‐Angle Spinning Nuclear Magnetic Resonance
Notice bibliographique
Résumé
Condensed tannins can be found in various parts of many plants. Unlike lignin there has been little study of their fate as they enter the soil organic matter pool and their influence on nutrient cycling, especially through their protein-binding properties. We extracted and characterized tannin-rich fractions from humus collected in 1998 from a black spruce [Picea mariana (Mill.) Britton et al.] forest in Canada where a previous study (1995) showed high levels (3.8% by weight) of condensed tannins. A reference tannin purified from black spruce needles was characterized by solution 13C nuclear magnetic resonance (NMR) as a pure procyanidin with mainly cis stereochemistry and an average chain length of four to five units. The colorimetric proanthocyanidin (PA) assay, standardized against the black spruce tannin, showed that both extracted humus fractions had higher tannin contents than the original humus (2.84% and 11.17% vs. 0.08%), and accounted for 32% of humus tannin content. Consistent with the results from the chemical assay, the aqueous fraction showed higher tannin signals in the 13C cross-polarization and magic-angle spinning (CPMAS) NMR spectrum than the emulsified one. As both tannin-rich humus fractions were depleted in N and high in structures derived from lignin and cutin, they did not have properties consistent with recaldtrant tannin-protein complexes proposed as a mechanism for N sequestration in humus. Further studies are needed to establish if tannin-protein structures in humus can be detected or isolated, or if tannins contribute to forest management problems observed in these ecosystems by binding to and slowing down the activity of soil enzymes.
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) | 0,001 | 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 ».