Understanding the Sensitivity of Grape Terpenes to Jasmonates Using <i>In Vitro</i> Culture and <i>In Vivo</i> Vineyard Experiments
Notice bibliographique
Résumé
Terpene volatiles define the flavor of terpenic grape cultivars. However, grape terpene concentrations can vary 2- to 3-fold across seasons and vineyards, impacting vintage quality. The plant hormone methyl jasmonate (MeJA) stimulates grape terpene production but is expensive and can decrease berry weight and maturity. The synthetic jasmonate prohydrojasmon (PDJ) is cost-effective yet has not been evaluated on grape maturity and terpene production. Here, we performed in vitro (berry culture) and in vivo (vineyard) experiments using Gewürztraminer ( Vitis vinifera L.) to evaluate the time- and concentration-dependent sensitivity of maturity parameters and terpene content to MeJA and PDJ. In vitro berry weight was reduced by high MeJA and PDJ concentration across timings. Terpenes were most sensitive to low MeJA concentration at veraison (increased 24-fold) in vitro . Moderate PDJ concentration applied at veraison doubled (increased twofold) terpene concentration in vivo without impacting berry weight or maturity. In conclusion, PDJ may provide a solution to mitigate seasonal variability in terpene production in terpenic grape cultivars.
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 | 0,001 |
| 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 ».