Analysis of Genetic Diversity Using Simple Sequence Repeat (SSR) Markers and Growth Regulator Response in Biofield Treated Cotton (Gossypium hirsutum L.)
Notice bibliographique
Résumé
Cotton is the most important crop for the production of fiber that plays a key role in economic and social affairs. The aim of the study was to evaluate the impact of biofield energy treatment on cotton seeds regarding its growth, germination of seedling, glutathione (GSH) concentration, indole acetic acid (IAA) content and DNA fingerprinting using simple sequence repeat (SSR) markers for polymorphism analysis. The seeds of cotton cv. Stoneville-2 (Gossypium hirsutum L.) was obtained from DNA Land Marks Inc., Canada and divided into two groups. One group was remained as untreated, while the other was subjected to Mr. Trivedi biofield energy and referred as treated sample. The growth-germination of cotton seedling data showed higher germination (82%) in biofield treated seeds as compared to the control (68%). The alterations in length of shoot and root of cotton seedling was reported in the treated sample with respect to untreated seeds. However, the endogenous level of GSH in the leaves of treated cotton was increased by 27.68% as compared to the untreated sample, which may suggest an improved immunity of cotton plant. Further, the plant growth regulatory constituent i.e. IAA concentration was increased by 7.39%, as compared with the control. Besides, the DNA fingerprinting data, showed polymorphism (4%) between treated and untreated samples of cotton. The overall results suggest that the biofield energy treatment on cotton seeds, results in improved overall growth of plant, increase germination rate, GSH and IAA concentration were increased. The study assumed that biofield energy treatment on cotton seeds would be more useful for the production of cotton fiber.
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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 tête enseignante, 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 ».