MétaCan
Menu
Retour à la cohorte
Enregistrement W2020463440 · doi:10.1021/jf800888r

Interference of Condensed Tannin in Lignin Analyses of Dry Bean and Forage Crops

2008· article· en· W2020463440 sur OpenAlexaff
M. A. Susan Marles, Bruce Coulman, Kirstin E. Bett

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2008
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésTanninLigninCondensed tanninChemistryProanthocyanidinNeutral Detergent FiberPolyphenolFood scienceMedicago sativaPhaseolusTannic acidBromus inermisLotus corniculatusBotanyForageAgronomyFiberOrganic chemistryBiology

Résumé

récupéré en direct d'OpenAlex

Legumes with high concentrations of condensed tannin (pinto bean [Phaseolus vulgaris L.], sainfoin [Onobrychis viciifolia Scop.], and big trefoil [Lotus uliginosus Hoff.]), were compared to a selection of forages, with low or zero condensed tannin (smooth bromegrass [ Bromus inermis Leyss], Lotus japonicus [Regel] K. Larsen, and alfalfa [Medicago sativa L.]), using four methods to estimate fiber or lignin. Protocols were validated by using semipurified condensed tannin polymers in adulteration assays that tested low-lignin tissue with polyphenolic-enriched samples. The effect on lignin assay methods by condensed tannin concentration was interpreted using a multivariate analysis. There was an overestimation of fiber or lignin in the presence of condensed tannin in the acid detergent fiber (ADF) and Klason lignin (KL) assays compared to that in the thioglycolic acid (TGA) and acid detergent lignin (ADL) methods. Sulfite reagents (present in TGA lignin method) or sequential acidic digests at high temperatures (ADF followed by ADL) were required to eliminate condensed tannin. The ADF (alone) and KL protocols are not recommended to screen nonwoody plants, such as forages, where condensed tannin has accumulated in the tissue.

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,037
Tête enseignante GPT0,248
Écart entre enseignants0,211 · 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

Citations23
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetRuminant Nutrition and Digestive PhysiologyTravaux en français237 207