Development of a Nuclear Magnetic Resonance Method and a Near Infrared Calibration Model for the Rapid Determination of Lipid Content in the Field Pea (Pisum sativum)
Notice bibliographique
Résumé
Pisum sativum is a leguminous crop suitable for cultivation worldwide. It is used as a forage or dried seed supplement in animal feed and, more recently, as a potential non-traditional oilseed. This study aimed to develop a low-cost, rapid, and non-destructive method for analyzing pea lipids with no chemical modifications that would prove superior to existing destructive solvent extraction methods. Different pea accession seed samples, prepared as either small portions (0.5 mm2) of endosperm or ground pea seed powder for comparison, were subjected to HR-MAS NMR analyses and whole seed samples underwent NIR analyses. The total lipid content ranged between 0.57–3.45% and 1.3–2.6% with NMR and NIR, respectively. Compared to traditional extraction with butanol, hexane-isopropanol, and petroleum ether, correlation coefficients were 0.77 (R2 = 0.60), 0.56 (R2 = 0.47), and 0.78 (R2 = 0.62), respectively. Correlation coefficients for NMR compared to traditional extraction increased to 0.97 (R2 = 0.99) with appropriate correction factors. PLS regression analyses confirmed the application of this technology for rapid lipid content determination, with trends fitting models often close to an R2 of 0.95. A better robust NIR quantification model can be developed by increasing the number of samples with more diversity.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».