MétaCan
Menu
Retour à la cohorte
Enregistrement W2109488386 · doi:10.21273/hortsci.43.7.2243

Irradiance from Distinct Wavelength Light-emitting Diodes Affect Secondary Metabolites in Kale

2008· article· en· W2109488386 sur OpenAlexaff
Mark Lefsrud, Dean A. Kopsell, Carl E. Sams

Notice bibliographique

RevueHortScience · 2008
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLight effects on plants
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésSinigrinLuteinGlucosinolateCarotenoidBrassica oleraceaIrradianceLight-emitting diodeChlorophyllBrassicaBotanyBiologyChemistryFood scienceOptoelectronicsMaterials scienceOptics

Résumé

récupéré en direct d'OpenAlex

The use of light-emitting diodes (LEDs) for plant production is a new field of research that has great promise to optimize wavelength-specific lighting systems for precise management of plant physiological responses and important secondary metabolite production. In our experiment, hydroponically cultured kale plants ( Brassica oleracea L. var. acephala D.C.) were grown under specific LED wavelength treatments of 730, 640, 525, 440, and 400 nm to determine changes in the accumulation of chlorophylls, carotenoids, and glucosinolates. Maximum accumulation, on a fresh mass basis, of chlorophyll a and b and lutein occurred at the wavelength of 640 nm, whereas β-carotene accumulation peaked under the 440-nm treatment. However, when lutein was measured on a dry mass basis, maximum accumulation was shifted to 440 nm. Sinigrin was the only glucosinolate to respond to wavelength treatments. Wavelength control using LED technology can affect the production of secondary metabolites such as carotenoids and glucosinolates with irradiance levels also a factor in kale. Management of irradiance and wavelength may hold promise to maximize nutritional potential of vegetable crops grown in controlled environments.

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 seuil0,004

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 Opus0,018
Tête enseignante GPT0,207
Écart entre enseignants0,190 · 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

Citations201
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHortScienceMême sujetLight effects on plantsTravaux en français237 207