MétaCan
Menu
Retour à la cohorte
Enregistrement W2064552463 · doi:10.1071/ar07340

Effects of low temperature on grain filling, amylose content, and activity of starch biosynthesis enzymes in endosperm of basmati rice

2008· article· en· W2064552463 sur OpenAlexaff
Nisar Ahmed, Masahiko Maekawa, Ian J. Tetlow

Notice bibliographique

RevueAustralian Journal of Agricultural Research · 2008
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésEndospermStarch synthaseAmyloseStarchSucrose synthaseFood scienceChemistryRipeningEnzymeOryza sativaGlycogen debranching enzymeBiochemistryBiosynthesisGranule (geology)Glycogen branching enzymeGlycogen phosphorylaseAmylopectinBotanyAgronomyHorticultureSucroseBiologyInvertase

Résumé

récupéré en direct d'OpenAlex

The effects of low temperature on amylose contents and activities of key enzymes related to starch biosynthesis in basmati rice (Oryza sativa L.) endosperm were investigated. Low temperature treatment prolonged the grain-filling period from 32 days to 53 days, but had no significant effect on the final grain weight. Results showed that low temperature during grain filling had no significant effect on total starch content but increased the amylose content in the mature endosperm of hulled rice by 21%. The measurable activities of sucrose synthase (SuSy), ADP-glucose pyrophosphorylase (AGPase), starch phosphorylase (SPase), starch branching enzyme (SBE), and soluble starch synthase (SS) in endosperms developed at 12°C were lower than those at 22°C when compared at a similar ripening stage on an endosperm basis, but the activity of granule-bound starch synthase (GBSS) was significantly higher than the corresponding activity in endosperms developing at 22°C. These findings suggest that GBSS might play a crucial role in increasing amylose during low-temperature growth 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.

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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,081
Tête enseignante GPT0,317
Écart entre enseignants0,235 · 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

Citations48
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralian Journal of Agricultural ResearchMême sujetFood composition and propertiesTravaux en français237 207