Analysis of Genotype, Environment, and Their Interaction Effects on the Phytochemicals and Antioxidant Capacities of Red Rice (<i>Oryza sativa</i> L.)
Notice bibliographique
Résumé
Fourteen red rice varieties were planted in two locations during summer (Hangzhou) and winter (Hainan) to study the effect of genotype and environment on the phytochemicals and antioxidant capacities of rice grain. B‐type proanthocyanidins in red rice were detected by LC‐MS/MS and quantified by using the vanillin assay. Analysis of variance showed that total phenolic content (TPC), total flavonoid content (TFC) and 2,2′‐azino‐bis‐(3‐ethylbenzothiazoline‐6‐sulfonic acid) (ABTS) radical scavenging capacity were mainly affected by environmental factors, which accounted for more than 60% of the total variance. However, total proanthocyanidin content (TPAC) and 1,1‐diphenyl‐2‐picrylhydrazyl (DPPH) radical scavenging capacity were equally affected by both genotype and environment. The genotype × environment effects were significant for all traits. The pairwise correlations among TPC, TFC, TPAC, ABTS, and DPPH were also significant (r > 0.900, P < 0.001). Principal component analysis identified the genotypes that had higher contents of antioxidants and more stability across environments. This study showed that indirect selection of a simple trait (i.e., TPC) is an effective way to select rice high in antioxidant capacity in breeding programs. This study also suggests that rice should be produced specifically in a certain environment for the end user to minimize the variation in the functional properties and maximize their contents.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».