Analysis of cruciferin content in whole seeds of <scp><i>Brassica napus</i> L</scp>. by <scp>near‐infrared</scp> spectroscopy
Notice bibliographique
Résumé
Abstract Globally, there is an increasing demand for sources of plant‐based protein. While Brassica napus L. is an important oilseed crop worldwide, there is also interest in improving its ability to serve as a valuable source of plant‐based protein. Cruciferin, a seed storage protein that makes up 60% of the protein found in mature seeds of B. napus , is of interest for human consumption as a source of protein and as an ingredient in food products due to its functional properties. Existing methods for quantification of cruciferin protein are often time consuming and destroy the seed. This study explored the potential for the measurement of cruciferin protein content in whole seeds of B. napus by near‐infrared spectroscopy (NIRS), to allow for efficient and non‐destructive screening of breeding material. An enzyme‐linked immunosorbent assay (ELISA)‐based reference method was utilized to assess cruciferin content in a diverse population of B. napus . Scanning of whole seed samples produced spectra that were used to develop NIRS calibration equations. Statistical analysis of the calibration results indicated that the NIRS equations developed are poorly suited for prediction of cruciferin content.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».