MétaCan
Menu
Retour à la cohorte
Enregistrement W4205159149 · doi:10.3389/fnut.2021.787085

Nutrition by Design: Boosting Selenium Content and Fresh Matter Yields of Salad Greens With Preharvest Light Intensity and Selenium Applications

2022· article· en· W4205159149 sur OpenAlexaboutno aff
Xudong Zhu, Tianbao Yang, C. A. Sanchez, Jeffrey M. Hamilton, Jorge M. Fonseca

Notice bibliographique

RevueFrontiers in Nutrition · 2022
Typearticle
Langueen
DomaineNursing
ThématiqueSelenium in Biological Systems
Établissements canadiensnon disponible
Organismes subventionnairesAgricultural Research ServiceUniversity of ArizonaU.S. Department of Agriculture
Mots-clésSeleniumPreharvestLight intensityHorticultureChemistryErucaHuman healthFood scienceBotanyBiologyPostharvest

Résumé

récupéré en direct d'OpenAlex

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,260
Score d'incertitude au seuil0,814

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,213
Écart entre enseignants0,195 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NutritionMême sujetSelenium in Biological SystemsTravaux en français237 207