MétaCan
Menu
Retour à la cohorte
Enregistrement W3025259597 · doi:10.3389/fpls.2020.00462

Growth Spectrum Complexity Dictates Aromatic Intensity in Coriander (Coriandrum sativum L.)

2020· article· en· W3025259597 sur OpenAlexfundno aff
Lorna McAusland, Mui-Ting Lim, David E. Morris, Hayley L. Smith-Herman, Umar Mohammed, Barrie Hayes‐Gill, John Crowe, Ian D. Fisk, Erik H. Murchie

Notice bibliographique

RevueFrontiers in Plant Science · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLight effects on plants
Établissements canadiensnon disponible
Organismes subventionnairesInnovate UKBiotechnology and Biological Sciences Research CouncilUniversity of WarwickDirectorate for Biological SciencesUniversity of NottinghamTrent UniversityNottingham Trent University
Mots-clésCoriandrumAromaSativumBotanyShootPhotosynthesisFar-redHorticultureChemistryBiologyFood scienceRed light

Résumé

récupéré en direct d'OpenAlex

Advancements in availability and specificity of light-emitting diodes (LEDs) have facilitated trait modification of high-value edible herbs and vegetables through the fine manipulation of spectra. Coriander (Coriandrum sativum L.) is a culinary herb, known for its fresh, citrusy aroma and high economic value. Studies into the impact of light intensity and spectrum on C. sativum physiology, morphology and aroma are limited. Using a Nasal Impact Frequency (NIF) panel, a selection of key compounds associated with the characteristic aroma of coriander were identified. Significant differences (P < 0.05) were observed in the concentration of these aromatics between plants grown in a controlled environment chamber under the same photosynthetic photon flux density but custom spectra: red (100%), blue (100%), red+blue (RB, 50% equal contribution) or red+green+blue (RGB, 35.8% red: 26.4% green: 37.8% blue) wavelengths. In general, the concentration of aromatics increased with increasing numbers of wavelengths emitted alongside selective changes e.g. the greatest increase in coriander-defining E-(2)-decenal occurred under the RGB spectrum. This change in aroma profile was accompanied by significant differences (P < 0.05) in light saturated photosynthetic CO2 assimilation, water-use efficiency and morphology. While plants grown under red wavelengths achieved the greatest leaf area, RB spectrum plants were shortest and had the highest leaf:shoot ratio. Therefore, this work evidences a trade-off between sellable commercial morphologies with a weaker, less desirable aroma or a less desirable morphology with more intense coriander-like aromas. When supplemental trichromatic LEDs were used in a commercial glasshouse, the majority of compounds, with the exception of linalool, also increased showing that even as a supplement additional wavelengths can modify the aromatic profile increasing its complexity. Lower levels of linalool suggest these plants may be more susceptible to biotic stress such as herbivory. Finally, the concentration of coriander-defining aromatics E-(2)-decenal and E-(2)-hexenal were significantly higher in supermarket pre-packaged coriander leaves implying that concentrations of aromatics increase after excision. In summary, spectra can be used to co-manipulate aroma profile and plant form with increasing spectral complexity leading to greater aromatic complexity and intensity. We suggest that increasing spectral complexity progressively stimulates signalling pathways giving rise to valuable economic traits.

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 enseignants0,010
Score d'incertitude au seuil0,021

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,028
Tête enseignante GPT0,201
Écart entre enseignants0,173 · 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

Citations19
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Plant ScienceMême sujetLight effects on plantsTravaux en français237 207