Nutrition by Design: Boosting Selenium Content and Fresh Matter Yields of Salad Greens With Preharvest Light Intensity and Selenium Applications
Notice bibliographique
Résumé
Selenium (Se) is an essential mineral in multiple human metabolic pathways with immune modulatory effects on viral diseases including the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) and HIV. Plant-based foods contain Se metabolites with unique functionalities for the human metabolism. In order to assess the value of common salad greens as Se source, we conducted a survey of lettuce commercially grown in 15 locations across the USA and Canada and found a tendency for Se to accumulate higher (up to 10 times) in lettuce grown along the Colorado river basin region, where the highest amount of annual solar radiation of the country is recorded. In the same area, we evaluated the effect of sunlight reduction on the Se content of two species of arugula [Eruca sativa (E. sativa) cv. “Astro” and Diplotaxis tenuifolia (D. tenuifolia) cv. “Sylvetta”]. A 90% light reduction during the 7 days before harvest resulted in over one-third Se decline in D. tenuifolia. The effect of light intensity on yield and Se uptake of arugula microgreens was also examined under indoor controlled conditions. This included high intensity (HI) (160 μ mol−2 s−1 for 12 h/12 h light/dark); low intensity (LI) (70 μ mol m−2 s−1 for 12 h/12 h light/dark); and HI-UVA (12 h light of 160 μ mol m−2 s−1, 2 h UVA of 40 μ mol m−2 s−1, and 10 h dark) treatments in a factorial design with 0, 1, 5, and 10 ppm Se in the growing medium. HI and HI-UVA produced D. tenuifolia plants with 25–100% higher Se content than LI, particularly with the two higher Se doses. The addition of Se produced a marked increase in fresh matter (>35% in E. sativa and >45% in D. tenuifolia). This study (i) identifies evidence to suggest the revision of food composition databases to account for large Se variability, (ii) demonstrates the potential of introducing preharvest Se to optimize microgreen yields, and (iii) provides the controlled environment industry with key information to deliver salad greens with targeted Se contents.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».