RNA-Seq Reveals the Effect of Ethylene on the Volatile Organic Components (VOCs) of Cavendish Banana at Different Post-harvesting Stages
Notice bibliographique
Résumé
Abstract Aroma serves as one of the decisive factors influencing the value of banana commodities. Most of characteristic volatile organic components (VOCs) are formed during post-harvesting. However, the changing of VOCs of banana at different post-harvesting stages remain ambiguous. In this study, the VOCs of Cavendish banana for the four typical post-harvesting stages (green stage/half of yellow stage/yellow ripening stage/over ripening stage) are clarified using headspace solid phase micro-extraction (HS-SPME), combined with gas chromatography-mass spectrometry (GC–MS). The results inferred that the relative content of branched-chain esters such as acetate and butyrate, which form the main contributors of aroma in bananas, is higher in the T2 and T3 stages. Further, RNA-Seq technology was employed to clarify the formation mechanism of banana aroma in the post-harvesting stage. The MaTGL4 gene of the linoleic acid metabolism pathway and the MaBCAT3 and MaBCAT5 genes of the valine, leucine and isoleucine degradation pathway in banana suggest the expression is active late in the ripening stage, and the upregulated expression of these genes is analogous to the formation of aroma components such as branched-chain esters and hexenal. The above results not only provide baseline data on the differences in physical and chemical properties of VOCs in various post-harvesting stages of banana production, but also provide theoretical guidance facilitating the subsequent improvement of the commercial value of bananas through genetic improvement.
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 | 0,001 | 0,001 |
| 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 ».