The Terroir of Cannabis: Terpene Metabolomics as a Tool to Understand Cannabis sativa Selections
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The phytochemical diversity of Cannabis chemovars is not well understood, and many chemovars were created in informal breeding programs without records of parentage or the criteria for selection. Key criteria for selection sometimes included aroma notes and visual cues, which some breeders associated with pharmacological activity. We hypothesized that the process of selection for scents believed to be related to specific tetrahydrocannabinol levels has resulted in modified terpene biosynthesis in these chemovars. Thirty-two cannabinoids, 29 monoterpenes and 38 sesquiterpenes were measured in 33 chemovars from 5 licensed producers. A classification system based on cannabinoid content was used with targeted metabolomic tools to determine relationships in the phytochemistry. Three monoterpenes, limonene, β-myrcene, and α-pinene, and two sesquiterpenes, caryophyllene and humulene, were abundant in the majority of chemovars. Nine terpenes were present in tetrahydrocannabinol-dominant chemovars. Three monoterpenes and four sesquiterpenes were predominantly found in cannabidiol-containing chemovars. Low abundance terpenes may have been the aromatic cues identified by breeders. The medicinal activity of some of the terpenes is likely to contribute to the pharmacological effect of specific chemovars. Together, these data demonstrate the synergy of compounds in Cannabis chemovars and point to the need for additional research to understand the phytochemical complexity.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 découle