MétaCan
Menu
Retour à la cohorte
Enregistrement W2946102574 · doi:10.1016/j.dib.2019.104055

The soybean root membrane lipids and forage quality data in response to field cultivation on agricultural podzols in boreal climates

2019· article· en· W2946102574 sur OpenAlexafffund
Muhammad Nadeem, Thu Huong Pham, Waqas Ali, Muhammad Zaeem, Waqar Ashiq, Syed Shah Mohioudin Gillani, Charles F. Manful, Oludoyin Adeseun Adigun, Lakshman Galagedara, Mumtaz Cheema, Raymond Thomas

Notice bibliographique

RevueData in Brief · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Productivity and Crop Improvement
Établissements canadiensGovernment of Newfoundland and LabradorMemorial University of Newfoundland
Organismes subventionnairesResearch and DevelopmentNatural Sciences and Engineering Research Council of CanadaDepartment of Fisheries and Land Resources
Mots-clésForagePhosphatidylcholineAgronomyBiologyPhosphatidic acidChemistryPhospholipidMembraneBiochemistry

Résumé

récupéré en direct d'OpenAlex

The objective of this data in brief article is to represent the associated data set regarding our published paper in Plant Science Nadeem et al., 2019. Data set represent soil acid phosphatase activity, association of individual molecular species of four major lipid classes with soybean forage quality indices when cultivated in boreal podzolic soils under cool climatic conditions. Phosphatidylcholine (PC), phosphatidylethanolamine (PE), phosphatidic acid (PA) and acylated glucosyl betasitosterol ester (AGIcSiE) molecular species grouped the soybean forage quality indices in different quadrants on principal component analyses. Furthermore, the total lipid profile and correlation of major lipid species with forage quality indices are included in this data in brief article. This data set support the main findings described in Nadeem et al., 2019.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,703
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,045
Tête enseignante GPT0,294
Écart entre enseignants0,250 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations3
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueData in BriefMême sujetAgricultural Productivity and Crop ImprovementTravaux en français237 207