Biochemical and physiological response of borage to seed priming and water deficit: antioxidant enzymes, osmolytes, photosynthetic pigments, and fluorescence parameters
Notice bibliographique
Résumé
Aim of study: To investigate the general response patterns of the borage plant to water fluctuations from a biochemical and physiological perspective. Area of study: East Azerbaijan Province of Iran during the period 2012 and 2013. Material and methods: The study investigated the effects of irrigation (after 60, 90, 120 and 150 mm evaporation) and priming (unprimed, and primed seeds with water, 1% KNO3 and 1% KH2PO4) on the antioxidant enzymes, osmolytes, photosynthetic pigments, and fluorescence parameters of borage using a split-plot experimental design. Main results: The statistical analyses showed no effect of seed priming on all evaluated traits other than than extracellular superoxide dismutase SOD3 activity where it was significantly enhanced by seed pretreatment with 1% KNO3 and 1% KH2PO4. However, irrigations after 120 and 150 mm evaporation increased Cu/Zn-superoxide dismutase (SOD1), SOD2, and SOD3, soluble sugars, and initial fluorescence (F0). The mean contents of Ch a, Ch b, and Ch a+Ch b under mild, moderate and severe water deficit were significantly higher than those under normal irrigation. Severe drought stress gave the highest carotenoids content and quantum yield baseline parameter (F0/Fm) of borage leaves. However, water limitation decreased Chl a/Chl b ratio, maximum primary yield of photosystem II (Fv/F0), and maximum quantum yield of photosystem II (Fv/Fm). Research highlights: Based on these findings, it is postulated that the increase in soluble sugars and SOD activity under stress, and the accumulation of carotenoids under severe water limitation indirectly enhance the tolerance of borage plants to drought stress.
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 | 0,000 |
| 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 ».