Easy and Rapid Detection of Grain Iron Content in Fingermillet [Eleusine Coracana (L.) Gaertn] Germplasm
Notice bibliographique
Résumé
In this study, a preliminary evaluation of grain iron content in fingermillet using Perls’ Prussian blue reagent, a stain for Fe 3+was established. Prussian blue solution of two per cent concentration was used in identifying grain iron content of genotypes based on the development of blue colour intensity. The rank correlation between measured grain Fe content and the colour intensity score was highly significant and positive (r = 0.62; P<0.01), indicating that higher the Fe content in the grain, more will be the intensity of blue colour developed. Pearls’ Prussian blue method could be effectively used as an initial method of screening and genotypes can be scored for high grain Fe content. The grain Fe content of the same genotypes was quantified using Atomic Absorption Spectrophotometer method. Wide variation was observed in fingermillet genotypes for grain Fe content. It ranged from 3.46 (TNEc 0921) to 8.72 (TNEc 0601) mg per 100g of grain. The accessions namely TNEc 0308, TNEc 0407, TNEc 0601, TNEc 0788 and TNEc 0910 were rich in grain Fe content coupled with high grain yield per plant. Therefore, these accessions could be employed in the genetic improvement of fingermillet through hybridization or selection. This simple staining procedure could be used to screen genotypes with high Fe content in large number of germplasm accessions.
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 | 0,001 | 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 ».