MétaCan
Menu
Retour à la cohorte
Enregistrement W2129642533 · doi:10.1128/aem.03182-12

Syringyl-Rich Lignin Renders Poplars More Resistant to Degradation by Wood Decay Fungi

2013· article· en· W2129642533 sur OpenAlexaff
Oleksandr Skyba, Carl J. Douglas, Shawn D. Mansfield

Notice bibliographique

RevueApplied and Environmental Microbiology · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueLignin and Wood Chemistry
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésLigninDegradation (telecommunications)SalicaceaeBotanyBiologyWoody plantChemistry

Résumé

récupéré en direct d'OpenAlex

In order to elucidate the effects of lignin composition on the resistance of wood to degradation by decay fungi, wood specimens from two transgenic poplar lines expressing an Arabidopsis gene encoding ferulate 5-hydroxylase (F5H) driven by the cinnimate-4-hydroxylase promoter (C4H::F5H) that increased syringyl/guaiacyl (S/G) monolignol ratios relative to those in the untransformed control wood were incubated with six different wood decay fungi. Alterations in wood weight and chemical composition were monitored over the incubation period. The results showed that transgenic poplar lines extremely rich in syringyl lignin exhibited a drastically improved resistance to degradation by all decay fungi evaluated. Lignin monomer composition and its distribution among cell types and within different cell layers were the sole wood chemistry parameters determining wood durability. Since transgenic poplars with exceedingly high syringyl contents were recalcitrant to degradation, where wood durability is a critical factor, these genotypes may offer improved performance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,034
Score d'incertitude au seuil0,739

Scores Codex et Gemma par catégorie

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,002
Tête enseignante GPT0,149
Écart entre enseignants0,146 · 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 tête enseignante, 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

Citations144
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied and Environmental MicrobiologyMême sujetLignin and Wood ChemistryTravaux en français237 207