A New Approach to Optimizing Propagation and Study of Medicinal Plants In Vitro: Profiling of Endogenous Growth Regulators and Human Neurotransmitters by LC-MS
Notice bibliographique
Résumé
Micropropagation allows for propagation of thousands or even millions of true-to-type plants from a range of cell types and tissues. These plants are pathogen-free, and often more uniform than field grown relatives. Additionally, micropropagation technology may be optimized for the production of desirable medicinal compounds. Efficiency of micropropagation depends on a balance of plant growth regulators (PGRs) in the growth medium with auxins inducing root development and cytokinins stimulating shoot formation; unfortunately, not all plants and tissues abide by this keystone principle. Conventional methods to optimize protocols are often costly, time consuming, and involve application of diverse PGRs or inhibitors thereof. We have developed and validated a method for quantification of the main classes of PGRs including three cytokinins, auxin, gibberellic acid, abscisic acid, three jasmonates, and two salicylates via a simple and easily adopted liquid chromatography-mass spectrometry method. It is proposed that by pre-screening tissues it will be possible to better predict ideal starting conditions for establishment of tissue cultures suitable for micropropagation. Additionally, it is often desirable to select starting materials rich in bioactive compounds such as the indoleamines, melatonin and serotonin or other neuroactive compounds such as dopamine, or 5-hydroxytryptophan. Thus, this method has also been modified to allow for quantification of these compounds. We propose a new strategy for the development and implementation of micropropagation protocols using simple, easily modified analytical methods, which may be employed to screen for desirable medicinal plant germplasm and streamline the production of consistent, high quality natural health products.
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 ».