MétaCan
Menu
Retour à la cohorte
Enregistrement W2936459357

Genetic and environmental impact on protein profiles in barley and malt

2018· article· en· W2936459357 sur OpenAlexaboutno aff
Hailing Luo, Stefan Harasymow, Blakely Paynter, A. L. Macleod, Izydorczyk, John T. O’Donovan, C. Li

Notice bibliographique

RevueMurdoch Research Repository (Murdoch University) · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePhytase and its Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNon-protein nitrogenAgronomyPoaceaeComposition (language)BiologyStorage proteinFood scienceNitrogenChemistryBiochemistryGene
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Canadian barleys have higher protein content and better protein modification than Australian barleys. Protein and protein modification was investigated in two Australian and two Canadian barley varieties under different levels of nitrogen fertilisation. Mass spectrometry was used to analyse protein profiles in grain and malt to assess how genetic and environmental factors modified the proteins in grain and malt. The differences in grain protein between the Australian and Canadian varieties were mainly in the high molecular weight proteins, less in water soluble proteins and rarely in salt‐soluble proteins, while malt protein variations were observed in all three groups. Generally, Canadian varieties contained more proteins in grain, but less water soluble and salt soluble proteins in malt. Monitoring the protein modification during the malting indicated that more proteins were digested in Canadian varieties. Genetic factors were dominant for protein variation, although environment also affected the protein composition. Barley varieties growing in Canada generally contained slightly higher protein content, and nitrogen fertiliser influenced proteins in grain that ranged from 43,000 to 47,000 Da. The protein pattern of high fermentability and lower fermentability varieties mainly varied from 30,000 to 40,000 Da.

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 enseignants0,309
Score d'incertitude au seuil0,615

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 technologies0,0010,000
Communication savante0,0010,000
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 Opus0,024
Tête enseignante GPT0,251
Écart entre enseignants0,227 · 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 revueMurdoch Research Repository (Murdoch University)Même sujetPhytase and its ApplicationsTravaux en français237 207