MétaCan
Menu
Retour à la cohorte
Enregistrement W2213745968 · doi:10.3390/plants4040773

Molecular Mechanisms of Phosphorus Metabolism and Transport during Leaf Senescence

2015· review· en· W2213745968 sur OpenAlexafffund
Kyla Stigter, William C. Plaxton

Notice bibliographique

RevuePlants · 2015
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant nutrient uptake and metabolism
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésNutrientBiologySenescencePhosphorusMetabolismPlant physiologyBotanyAgronomyBiochemistryChemistryCell biologyEcology

Résumé

récupéré en direct d'OpenAlex

Leaf senescence, being the final developmental stage of the leaf, signifies the transition from a mature, photosynthetically active organ to the attenuation of said function and eventual death of the leaf. During senescence, essential nutrients sequestered in the leaf, such as phosphorus (P), are mobilized and transported to sink tissues, particularly expanding leaves and developing seeds. Phosphorus recycling is crucial, as it helps to ensure that previously acquired P is not lost to the environment, particularly under the naturally occurring condition where most unfertilized soils contain low levels of soluble orthophosphate (Pi), the only form of P that roots can directly assimilate from the soil. Piecing together the molecular mechanisms that underpin the highly variable efficiencies of P remobilization from senescing leaves by different plant species may be critical for devising effective strategies for improving overall crop P-use efficiency. Maximizing Pi remobilization from senescing leaves using selective breeding and/or biotechnological strategies will help to generate P-efficient crops that would minimize the use of unsustainable and polluting Pi-containing fertilizers in agriculture. This review focuses on the molecular mechanisms whereby P is remobilized from senescing leaves and transported to sink tissues, which encompasses the action of hormones, transcription factors, Pi-scavenging enzymes, and Pi transporters.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,036
Tête enseignante GPT0,244
Écart entre enseignants0,208 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations184
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePlantsMême sujetPlant nutrient uptake and metabolismTravaux en français237 207