Metabolic Profiling and Antioxidant Analysis for the Juvenile Red Fading Leaves of Sweetpotato
Notice bibliographique
Résumé
Leaves of sweetpotato (Ipomoea batatas L.) are promising healthy leafy vegetable. Juvenile red fading (JRF) leaves of sweetpotato, with anthocyanins in young leaves, are good candidates for developing functional vegetables. Here, metabolic profiling and possible antioxidants were analyzed for five leaf stages of the sweetpotato cultivar “Chuanshan Zi”. The contents of anthocyanins, total phenolics, and flavonoids all declined during leaf maturation, corresponding to declining antioxidant activities. By widely targeted metabolomics, we characterized 449 metabolites belonging to 23 classes. A total of 193 secondary metabolites were identified, including 82 simple phenols, 85 flavonoids, 18 alkaloids, and eight terpenes. Analysis of the metabolic data indicates that the antioxidant capacity of sweetpotato leaves is the combined result of anthocyanins and many other colorless compounds. Increased levels of “chlorogenic acid methyl ester”, a compromised form of chlorogenic acid, significantly correlated with the declined antioxidant abilities. Besides anthocyanins, some significant metabolites contributing to the high antioxidant property of the sweetpotato leaves were highlighted, including chlorogenic acids, isorhamnetin glycosides, trans-4-hydroxycinnamic acid methyl ester, 4-methoxycinnamic acid, esculetin, caffeate, and trigonelline. This study provides metabolic data for the utilization of sweetpotato leaves as food sources, and sheds light on the metabolomic change for JRF leaves of other plants.
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 ».