Potassium, Phosphorus, Sulfur, and Boron Fertilization Effects on Soybean Isoflavone Content and Other Seed Characteristics
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 Soybean [Glycine max (L.) Merr.] seeds contain isoflavones that have positive impacts on human health. The objective of this study was to determine the impact of pre-plant mineral fertilization on isoflavone, oil and crude protein concentrations, and seed yield of field-grown soybean. The effects of potassium (0, 50, 100, and 150 kg K ha−1), phosphorus (0, 25, 50, and 75 kg P ha−1), sulfur (0, 15, 30, 45 kg S ha−1), and boron (0, 1.5, 3.0, and 4.5 kg B ha−1) were tested separately, each with two 00 soybean cultivars (‘Golden’ and ‘Grand Prix’) grown in replicated trials at Sainte-Anne-de-Bellevue, Québec, Canada in 2002/3. Seed total and individual isoflavone concentrations were determined by high-performance liquid chromatography. Seed yield, 100-seed weight, and oil and crude protein (CP) contents were determined concurrently. Across years and cultivars, no fertilizer treatments effects were observed for most variables. This overall lack of response to fertilizers was attributed to the relatively high initial fertility of the sandy loam and sandy clay loam soils used. However, total and individual isoflavone concentrations were significantly affected by year and cultivar. Across experiments, total isoflavone concentration was 33% greater on average in 2003 than in 2002, which was characterized by above-average temperatures and severe drought. Cultivar with the greatest isoflavone concentration varied depending on the year. Fertilization does not appear to be a viable strategy to increase isoflavone concentration of soybean seeds on medium-to high-fertility 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.
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