Potassium, Phosphorus, Sulfur, and Boron Fertilization Effects on Soybean Isoflavone Content and Other Seed Characteristics
Notice bibliographique
Résumé
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».