MétaCan
Menu
Retour à la cohorte
Enregistrement W4312194939 · doi:10.3390/plants11243546

Growth and Biochemical Composition of Microgreens Grown in Different Formulated Soilless Media

2022· article· en· W4312194939 sur OpenAlexafffund
Roksana Saleh, Lokanadha Rao Gunupuru, Rajasekaran R. Lada, Vilis O. Nams, Raymond Thomas, Lord Abbey

Notice bibliographique

RevuePlants · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLight effects on plants
Établissements canadiensWestern UniversityDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésErucaPerliteHorticultureChemistrySawdustShootSesamumSugarBotanyFood scienceBiology

Résumé

récupéré en direct d'OpenAlex

Microgreens are immature young plants grown for their health benefits. A study was performed to evaluate the different mixed growing media on growth, chemical composition, and antioxidant activities of four microgreen species: namely, kale (Brassica oleracea L. var. acephala), Swiss chard (Beta vulgaris var. cicla), arugula (Eruca vesicaria ssp. sativa), and pak choi (Brassica rapa var. chinensis). The growing media were T1.1 (30% vermicast + 30% sawdust + 10% perlite + 30% PittMoss (PM)); T2.1 (30% vermicast + 20% sawdust + 20% perlite + 30% PM); PM was replaced with mushroom compost in the respective media to form T1.2 and T2.2. Positive control (PC) was Pro-mix BX™ potting medium alone. Root length was the highest in T1.1 while the shoot length, root volume, and yield were highest in T2.2. Chlorophyll and carotenoid contents of Swiss chard grown in T1.1 was the highest, followed by T2.2 and T1.1. Pak choi and kale had the highest sugar and protein contents in T2.2, respectively. Consistently, total phenolics and flavonoids of the microgreens were increased by 1.5-fold in T1.1 and T2.2 compared to PC. Antioxidant enzyme activities were increased in all the four microgreens grown in T1.1 and T2.2. Overall, T2.2 was the most effective growing media to increase microgreens plant growth, yield, and biochemical composition.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,186
Écart entre enseignants0,176 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations42
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePlantsMême sujetLight effects on plantsTravaux en français237 207