MétaCan
Menu
Retour à la cohorte
Enregistrement W3095277260 · doi:10.3389/fpls.2020.586421

Selenium Biofortification and Interaction With Other Elements in Plants: A Review

2020· review· en· W3095277260 sur OpenAlexaff
Xinbin Zhou, Jing Yang, Herbert J. Kronzucker, Weiming Shi

Notice bibliographique

RevueFrontiers in Plant Science · 2020
Typereview
Langueen
DomaineNursing
ThématiqueSelenium in Biological Systems
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNational Natural Science Foundation of China
Mots-clésBiofortificationSeleniumEssential nutrientCropBiologyNutrientBiotechnologyAgronomyChemistryMicronutrientEcology

Résumé

récupéré en direct d'OpenAlex

Selenium (Se) is an essential element for humans and animals and its deficiency in the diet is a global problem. Crop plants are the main source of Se for consumers. Therefore, there is much interest in understanding the factors that govern the accumulation and distribution of Se in the tissues of crop plants and the mechanisms of interaction of Se absorption and accumulation with other elements, especially with a view toward optimizing Se biofortification. An ideal crop for human consumption is rich in essential nutrient elements such as Se, while showing reduced accumulation of toxic elements in its edible parts. This review focuses on (a) summarizing the nutritional functions of Se and the current understanding of Se uptake by plant roots, translocation of Se from roots to shoots, and accumulation of Se in grains; and (b) discussing the influence of nitrogen (N), phosphorus (P), and sulfur (S) on the biofortification of Se. In addition, we discuss interactions of Se with major toxicant metals (Hg, As, and Cd) frequently present in soil. We highlight key challenges in the quest to improve Se biofortification, with a focus on both agronomic practice and human health.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,049
Tête enseignante GPT0,325
Écart entre enseignants0,276 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations206
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Plant ScienceMême sujetSelenium in Biological SystemsTravaux en français237 207