MétaCan
Menu
Retour à la cohorte
Enregistrement W2608443703 · doi:10.1021/acs.jnatprod.6b00872

Profiling the Phenolic Compounds of the Four Major Seed Coat Types and Their Relation to Color Genes in Lentil

2017· article· en· W2608443703 sur OpenAlexafffund
Mahla Mirali, Randy W. Purves, Albert Vandenberg

Notice bibliographique

RevueJournal of Natural Products · 2017
Typearticle
Langueen
DomaineMedicine
ThématiquePhytochemicals and Antioxidant Activities
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaSaskatchewan Pulse Growers
Mots-clésCoatProanthocyanidinFlavonolsBiologyFood scienceBotanyPolyphenolGenotypeHorticultureAntioxidantGeneBiochemistry

Résumé

récupéré en direct d'OpenAlex

Phenolic compounds can provide antioxidant health benefits for humans, and foods such as lentils can be valuable dietary sources of different subclasses of these secondary metabolites. This study used LC-MS analyses to compare the phenolic profiles of lentil genotypes with four seed coat background colors (green, gray, tan, and brown) and two cotyledon colors (red and yellow) grown at two locations. The mean area ratio per mg sample (MARS) values of various phenolic compounds in lentil seeds varied with the different seed coat colors conferred by specific genotypes. Seed coats of lentil genotypes with the homozygous recessive tgc allele (green and gray seed coats) had higher MARS values of flavan-3-ols, proanthocyanidins, and some flavonols. This suggests lentils featuring green and gray seed coats might be more promising as health-promoting foods.

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 enseignants0,384
Score d'incertitude au seuil0,143

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 Opus0,026
Tête enseignante GPT0,269
Écart entre enseignants0,242 · 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

Citations61
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Natural ProductsMême sujetPhytochemicals and Antioxidant ActivitiesTravaux en français237 207