Screening of Cotton Genotypes for Protein Content, Oil and Fatty Acid Composition
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<p>The increase in the population at the global level necessitates to explore promising approaches to increase food supply, including protein and oil, to meet the needs of the people. Cotton is one of the most important oil producing crops and cottonseed meal provides important protein nutrients as animal feed. However, information on the genetic basis of cottonseed oil and protein contents is lacking. In this study; protein contents, oil and fatty acid composition of 124 cotton genotypes were observed for developing new cultivars. Accelerated Solvent Extraction method used for determining fat ratio; Gas Chromatography employed for fatty acid analysis while protein contents were analyzed by Kjeldahl method. Average crude oil 31.0%, total fat contents varied from 23.11 to 37.70% while mean protein content 38.0% were observed among genotypes. The dominating fatty acids included linoleic acid, palmitic acid and oleic acid (46.91, 25.73 and 20.21%) respectively, while linolenic acid (0.13%), r-linolenic (0.33%), palmitoleic acid (0.64%), myristic acid (0.88%), nervonic acid (1%) and stearic acid (2.38%) had variations in fatty acid contents. Frequency distribution of the parameters showed a normal distribution and differences among genotypes for the traits studied were statistically highly significant. Prinicipal component analysis showed a complex opposite relationship with a total protein and oil contents. Genotypes; Fantom for protein, Cirpan 60 for total crude oil, Stoneville 468 and YB195 for higher amount of fatty acids especially oleic acid; can be used for improvement of cottonseed quality in breeding programs.</p>
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 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 | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle