Sugar Variation in Soybean Seed Assessed with a Rapid Extraction and Quantification Method
Notice bibliographique
Résumé
Sugar content in soybean [ Glycine max (L) Merr.] seed is an important quality attribute for soyfood and feed. Rapid extraction and quantification of soluble sugars in soybean seed are essential for large-scale breeding selections. In this study, using water as extractant combined with a high-performance anion exchange chromatography with pulsed amperometric detection (HPAEC-PAD) system, variability and repeatability of sugar content were tested in 20 diverse soybean genotypes. Individual sugars were clearly resolved and identified, including sucrose, stachyose, raffinose, glucose, fructose, and verbascose. Analysis of variance (ANOVA) revealed a highly reproducible estimation of sucrose, stachyose, and raffinose. PI 243545 was confirmed as a unique germplasm with the highest sucrose (105.48 mg/g) and total sugar (148.76 mg/g) content. Two low-oligosaccharide accessions, PI 200508 and 03CB-14, were confirmed with extremely low concentrations of raffinose and stachyose. PI 417559 was identified as a high glucose and fructose germplasm. The identified germplasm with unique sugar profiles will be valuable in breeding specialty soybeans for improved sugar content. The sugar testing method will facilitate the screening of seed sugar profiles in a large-scale soybean breeding program.
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) | 0,000 | 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 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 ».