Nitrogen Source Affects the Composition of Metabolites in Pepper (Capsicum annuum L.) and Regulates the Synthesis of Capsaicinoids through the GOGAT–GS Pathway
Notice bibliographique
Résumé
Phytochemical analyses of pepper fruit metabolites have been reported; however, much less is known about the influence of different forms of nitrogen (N), which is critical for plant growth and fruit quality formation. The “Longjiao No. 5” variety (Capsicum annuum L.) grown in Northwestern China was profiled using liquid chromatography–mass spectrometry (LC–MS) coupled with multivariate data analysis to explore the composition of different metabolites in pericarp and placenta, and to investigate the effect of three ammonium (NH4+) to-nitrate (NO3−) ratios (0:100, 25:75, and 50:50). A total of 215 metabolites were obtained by qualitative analysis, where 31 metabolites were the major differential metabolite components of pepper fruits between placenta and pericarp, and 25 among N treatments. The addition of ammonium up-regulated carbohydrates, such as α-lactose and sucrose, as well as phenylalanine lyase (PAL) of placenta tissue. The supply of 25% NH4+–N and 75% NO3−–N exhibited a relatively higher levels of ascorbic acid in pericarp and amino acids, capsaicin, and dihydrocapsaicin in placenta, and led to higher fruit weight among the ammonium-to-nitrate ratios. The expression and activities of glutamic acid synthetase (GOGAT) and glutamine synthetase (GS) that are involved in ammonium assimilation were affected by adjusting the ammonium–N proportion, and they were significantly positively correlated with capsaicin, dihydrocapsaicin contents, capsaicinoid synthetase (CS), as well as the relative expression levels of genes related to capsaicinoid biosynthesis, such as acyltransferase 3 (AT3) and acyl-ACP thioesterase (FatA).
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 | 0,000 | 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 ».