Chitosan-induced production of secondary metabolites in plant extracts of Piper auritum, and the in vitro fungicidal activity against Fusarium oxysporum f. sp. vanillae
Notice bibliographique
Résumé
<p>Se probó el efecto del quitosano sobre la producción de metabolitos secundarios de extractos etanólicos de <em>Piper auritum</em>, así como la actividad fungicida<em> in vitro</em> contra<em> Fusarium oxysporum</em> f. sp. <em>vanillae</em>. Las plantas de <em>P. auritum</em> se dividieron en seis parcelas y se añadió quitosano comercial a la mitad de ellas. Se midieron las concentraciones de flavonoides, fenoles, terpenos, alcaloides y ácido salicílico en extractos etanólicos de <em>P. auritum</em> y la actividad antifúngica se midió con la concentración efectiva media (CE50). Las concentraciones totales de flavonoides, fenoles y terpenos fueron más altas con el tratamiento con quitosano (sin quitosano 12.8 versus con quitosano 12.4 ?g equivalente de quercetina por mg, 12.6 versus 2.3 ?g equivalente de ácido tánico por 10 mg y 16.3 versus 11.6 mg equivalente de mentol por 100 mg). Mientras que la concentración de alcaloides disminuyó mediante la adición de quitosano (de 148.2 a 84.5 ?g de equivalente de piperina por mg). La adición de quitosano aumentó la concentración de ácido salicílico (de 1.3 a 2.2 ?g de equivalente de ácido salicílico por mg). La concentración de 4 mg mL-1 de extracto etanólico de <em>P. auritum</em> tratado con quitosano inhibió el 100% del crecimiento micelial. El tratamiento con quitosano generó que la CE50 de <em>P. auritum</em> contra <em>F. oxysporum</em> f. sp. <em>vanillae</em> fuera menor (1.5 mg mL-1) respecto al control (5.1 mg mL-1). Se concluye que la adición de quitosano aumentó la producción de metabolitos secundarios y la actividad antifúngica <em>in vitro</em> en extractos de <em>P. auritum.</em></p>
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».