Effect of Cultivar and Environment on Carotenoid Profile of Pea and Chickpea
Notice bibliographique
Résumé
ABSTRACT Increasing the carotenoid concentration of pulse crop seeds is part of a biofortification strategy. The objective of this research was to evaluate the concentration and distribution of carotenoids in the seeds of twelve pea (Pisum sativum L.) cultivars and eight chickpea (Cicer arietinum L.) cultivars grown at multiple locations during 2 yr in Saskatchewan, Canada using high performance liquid chromatography (HPLC) with a diode array detector. Lutein was the major carotenoid in both crops, with mean lutein concentration ranging from 7.2 µg g−1 to 17.6 µg g−1 and 6.3 µg g−1 to 11.0 µg g−1 in pea and chickpea, respectively. Violaxanthin, zeaxanthin, and β‐carotene were also present in both crops. Green cotyledon pea cultivars had approximately twice as many total carotenoids (16–21 µg g−1) than yellow cotyledon pea cultivars (7–12 µg g−1). Cultivar had a greater effect than environment on carotenoid concentration in both crops. Location effects were significant for violaxanthin, lutein, and total carotenoid concentration for pea and for violaxanthin and zeaxanthin in chickpea. Year effect was significant for all carotenoids in pea and significant for β‐carotene in chickpea. The cultivar × location interaction was significant for violaxanthin in pea and chickpea and for lutein in pea. Among the three seed tissues, carotenoid concentration was greatest in the cotyledon followed by the embryo axis and seed coat in both crops. The results of this investigation should be useful for improving nutritional quality in pulse crops.
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 | 0,001 | 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 ».