Zn uptake behavior of rice genotypes and its implication on grain Zn biofortification
Notice bibliographique
Résumé
Abstract Understanding Zn uptake dynamics is critical to rice grain Zn biofortification. Here we examined soil Zn availability and Zn uptake pathways as affected by genotype (high-grain Zn varieties IR69428 and IR68144), Zn fertilization and water management in two pot experiments. Results showed significant interactions (P < 0.05) between genotypes and Zn fertilization on DTPA (diethylenetriaminepentaacetic acid)-extractable soil Zn from early tillering to flowering. DTPA-extractable Zn in soils grown with IR69428 was positively correlated with stem (r = 0.78, P < 0.01), flagleaf (r = 0.60, P < 0.01) and grain (r = 0.67, P < 0.01) Zn concentrations, suggesting improved soil Zn availability and continued soil Zn uptake by IR69428 even at maturity. Conversely for IR68144, DTPA-extractable Zn was positively correlated only with leaf Zn uptake (r = 0.60, P < 0.01) at active tillering, indicating dependence on remobilization for grain Zn loading. Furthermore, the highest grain Zn concentration (P < 0.05) was produced by a combination of IR69428 and Zn fertilization applied at panicle initiation (38.5 μg g−1) compared with other treatments (P < 0.05). The results highlight that Zn uptake behavior of a rice genotype determines the fate of Zn from the soil to the grain. This has implications on overcoming Zn translocation barriers between vegetative parts and grains, and achieving grain Zn biofortification targets (30.0 μg g−1).
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) | 0,000 | 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 | 0,000 |
| 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 ».