MétaCan
Menu
Retour à la cohorte
Enregistrement W2900847290 · doi:10.26577/eb-2018-3-1342

Biochemical screening of the domestic and world prosa millet collection on the content of amilose in grain

2018· article· en· W2900847290 sur OpenAlexaboutno aff
Аiman Rysbekova, E. N. Dusibaeva, Irina Zhirnova, Gulzat Esenbekova, A. I. Seytkhozhaev, A. Ye. Zhakenova

Notice bibliographique

RevueExperimental biology · 2018
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAmyloseBiologyFood scienceAgronomyAnimal scienceChemistryStarch

Résumé

récupéré en direct d'OpenAlex

Amylose is the most important biochemical indicator of grain quality in cereals. In this research are presented the results of biochemical screening for the quantitative amylose content in grain of 112 proso millet samples domestic and world collections (Afghanistan, Belgium, Hungary, China, Canada, India, Iran, Mexico, Pakistan, Russia, USA, Turkey, Ukraine, France). On the basis of the obtained data was made conditional classification of proso millet collection on amylose content. The results of biochemical screening of proso millet genotypes showed that the studied samples have different by the amylose content and their number varied from 5.5 to 34.90%. In domestic samples the amylose content ranged from 14.6% to 34.8%. A low amylose content were shown samples K-3742, PI 436626 (Lung Shu 18), PI 436625 (Lung Shu 16) and Ma zha Yan, averaging from 5.5 to 5.9%. Selected samples represent valuable genetic material for the creation of glutinous proso millet varieties and will be involved in the breeding process. On the basis of the conditional classification, it was found that the amylose content was higher than 25% (high amylose) in 68% of the studied samples , 23% were medium-amylose (15-25%) groups, and only 5% and 4% were low-amylose (6-14%) and glutinous (to 6%) groups, respectively. Key words: millet, collection, amylose, screening, classification.

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 enseignants0,001
Score d'incertitude au seuil0,002

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 Opus0,046
Tête enseignante GPT0,305
Écart entre enseignants0,259 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExperimental biologyMême sujetFood composition and propertiesTravaux en français237 207