Raw Extracts of Wild Plants Improve the Agronomic and Biochemical Quality of Tomato Fruits (Lycopersicum esculentum Mill.)
Notice bibliographique
Résumé
This study aimed to determine the effect of 10 and 15% concentrations of Azadirachta indica oil (v/v) and Tithonia diversifolia and Thevetia peruviana liquid manure (w/v) on some key characteristics of tomato fruits. For this purpose, the extracts were sprayed on the tomato plants every two weeks until the fruits were harvested. The results show that the 15% T. diversifolia mash had the most significant positive impact (p < 0.05) on the size, weight, and ability of tomato fruits to protect DNA from denaturation. Indeed, compared to fruits harvested from untreated plants, this treatment increased the surface area by 75.38%, the weight by 72.74%, and the protective capacity of fruits against hydrogen peroxide-induced DNA denaturation by 82.96%. On the other hand, the highest lycopene content was obtained with A. indica at 10% (139.13 ± 4.35 μg/g MF), and that of phenols was observed with T. peruviana at 10% (31.07 ± 1.06 mg eq catechin/g MF). Also, there is a positive and significant correlation (p < 0.05) between phenol content and DPPH (2.2-diphenyl-1-picrylhydrazyl) and FRAP (ferric reducing antioxidant power) free radical scavenging activities of tomato fruits. Thus, this study shows that wild plant extracts are able to improve fruit quality.
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 | 0,000 |
| 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 ».