Development and validation of a GC–MS method for soybean organ-specific metabolomics
Notice bibliographique
Résumé
Field mold (FM) can easily deteriorate the preharvest soybean in the field, and Fusarium moniliforme is demonstrated as the dominant pathogenic fungi. Metabolomics is a powerful tool to reveal the resistance mechanism in response to microbial infection. Therefore, in this research, the Design of Experiment (DOE) model was developed to optimize the extraction solvent combinations for metabolomic study of soybean seed and pod based on gas chromatography–mass spectrometry (GC–MS). Combined with the number of extracted peaks and the peak area of common substances, the extraction efficiency of different solvent was analyzed by multivariate statistical analysis. The result showed that isopropanol/water/methanol (1:1:1 and 1:1:4, v/v/v) mixture was highly efficient for metabolites extractions of soybean seed and pod, respectively. Additionally, the potential metabolites and pathways concerned in FM resistance were explored by the optimized extraction solvent system based on metabolomics analysis. Amino acid metabolism in soybean seed was disturbed by F. moniliforme and metabolic pathways related to energy conversion in soybean pod strongly responded to fungal infection. This study constructs a GC–MS-based metabonomic method for soybean metabolites; comparative analysis of organ-specific metabolomics for soybean fruit could be further applied in soybean metabolomics researches.
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 | 0,001 | 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) | 0,000 | 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 ».