Metabolic fingerprinting to discriminate diseases of stored carrots
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Volatile metabolites from headspace gas of carrot cv. Vita‐treat inoculated with water or four different pathogens Botrytis cinerea , Erwinia carotovora subsp. carotovora , Aspergillus niger and Fusarium avenaceum were profiled using gas chromatography and mass spectrometry to develop a technology to discriminate diseases. The inoculation of carrot roots with water or different pathogens released a total of 137 different volatile metabolites. Among them, 39 compounds were relatively consistent and 11 were specific to one or more diseases/inoculations. E. carotovora subsp. carotovora produced seven disease‐specific metabolites: 1‐butanol, 3‐methyl; 1‐pentanol; 1‐propanol, 2‐methyl; 2,3‐butanedione; boronic acid, ethyl; butane, 1‐methoxy‐3‐methyl; and ethane, ethoxy. Some metabolites were disease/inoculation discriminatory and were not detected in all treatments: 1,2‐dimethoxy‐ethene was common in carrots inoculated with E. carotovora subsp. carotovora and B. cinerea , while 2‐butanone, 3‐chloro‐4‐hydroxy‐1,4‐diphenyl was common in carrots inoculated with E. carotovora subsp. carotovora , F. avenaceum and water‐inoculated control. The significant mass ions, based on univariate analysis, from a total of 150 (46–195 m / z ) and compounds from a total of 32 were further subjected to stepwise discriminant analysis and discriminant analysis. The models for 3 days after inoculation (DAI) were better than those for 6 DAI and 3 + 6 DAI, where up to 90% of the observations were correctly classified into respective inoculations. The disease‐discriminatory compounds from different diseases/inoculations and discriminant analysis models developed here have the potential for the early detection and discrimination of postharvest diseases of carrot cv. Vita‐treat, after validation under commercial conditions.
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.
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 découle