MétaCan
Menu
Retour à la cohorte
Enregistrement W2763281520 · doi:10.24870/cjb.2017-a194

Analysis of iron and zinc homeostasis in barnyard millet through transcriptome and ionome approach

2017· article· en· W2763281520 sur OpenAlexvenueno aff
V. Vijay Prabha, M. Raveendran, P. Jeyakumar

Notice bibliographique

RevueCanadian Journal of Biotechnology · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Micronutrient Interactions and Effects
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIron homeostasisTranscriptomeZincBiologyBiotechnologyMetallurgyBiochemistryMaterials scienceGeneGene expression

Résumé

récupéré en direct d'OpenAlex

Iron (Fe) and Zinc (Zn) are the most essential micronutrients needed for the growth and metabolism of higher plants. Fe and Zn has important role as a component of various enzymes that are involved in chlorophyll biosynthesis, photosynthesis and seed development. Plants have evolved with multifaceted Fe and Zn homeostatic mechanisms that regulate its acquisition from the environment and the movement between organelles, cells, tissues, and organs. In addition, Plant establishes a tightly controlled system including metal specific uptake transporters and transcriptional regulators to balance the uptake, utilization and storage of metal ions. Barnyard millet (Echinocloa frumentaceae), one of the minor millets is superior in Fe and Zn content compared to the most widely consumed cereals like rice and wheat. In the present study, ionomic profiling of grains of several barnyard millet accessions revealed that accession ACM-10-145 accumulates high Fe and Zn content (Fe: 14.5 mg/100g; Zn: 2.18 mg/100g). Furthermore, transcriptomic studies are in progress to understand the key factors involved in metal uptake and translocation in barnyard millet. The research outcome could be exploited for biofortification program in cereals.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,017
Tête enseignante GPT0,214
Écart entre enseignants0,197 · 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 source (Gemma direct ou Codex distillé), 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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of BiotechnologyMême sujetPlant Micronutrient Interactions and EffectsTravaux en français237 207