A Comprehensive Targeted Metabolomics Assay for Crop Plant Sample Analysis
Notice bibliographique
Résumé
Metabolomics plays an important role in various fields from health to agriculture. However, the comprehensive quantitative metabolomic analysis of plants and plant metabolites has not been widely performed. Liquid chromatography coupled with tandem mass spectrometry (LC-MS/MS)-based plant metabolomics offers the sensitivity and breadth of coverage for both phenotyping and disease diagnosis of plants. Here, we report a high-coverage and quantitative MS-based assay for plant metabolite analysis. The assay detects and quantifies 206 primary and secondary plant metabolites, including many key plant hormones. In total, it measures 28 amino acids and derivatives, 27 organic acids, 20 biogenic amines and derivatives, 40 acylcarnitines, 90 phospholipids and C-6 sugars. All the analysis methods in this assay are based on LC-MS/MS techniques using both positive and negative-mode multiple reaction monitoring (MRM). The recovery rates of spiked plant samples at three different concentration levels (low, medium and high) ranged from 80% to 120%, with satisfactory precision values of less than 20%. This targeted plant metabolomic assay has been successfully applied to the analysis of large numbers of pine and spruce needle samples, canola root samples, as well as cannabis samples. Moreover, the assay was specifically developed in a 96-well plate format, which enables automated, high-throughput sample analysis. This assay has already been used to analyze over 1500 crop plant samples in less than two months.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».