Comprehensive compositional assessment of bioactive compounds in diverse pea accessions
Notice bibliographique
Résumé
Pea (Pisum sativum L.) is an important legume crop providing a good source of protein, vitamins, minerals and bioactive compounds with health benefits for humans. In this study, an improved method for simultaneous analysis of multiple phytoestrogens among 100 pea accessions was developed. Ipriflavone, (a synthetic isoflavone), was used as an internal standard for the semiquantitative analysis of 17 phytoestrogens including isoflavone aglycones and conjugates, allowing direct analysis of isoflavones in their naturally occurring forms. This comprehensive dataset demonstrated that the isoflavones varied greatly and some accessions tended to have high levels of multiple phytoestrogens among the 100 accessions analyzed. Isoliquiritigenin followed by glycitein were the predominant compounds detected in the accessions and showed the highest correlation with the total phytoestrogens content. Secoisolariciresinol content was consistently higher in yellow cotyledon peas than in green cotyledon peas, whereas the contents of coumestrol, genestein and secoisolariciresinol were significantly correlated with seed coat color. The total phenolics and saponins showed a wide range of variability among the accessions with higher concentrations of total phenolics observed in seeds with pigmented seed coat or yellow cotyledon seeds, suggesting the synthesis of saponins and phenolics are significantly affected by metabolic pathway genes controlling cotyledon color or seed coat color. This study profiled the variability of bioactive compounds of pea seed quality traits in diverse pea accessions and provides an immense resource for continued research, breeding and selection of genotypes for a wide range of applications.
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 | 0,001 | 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 | 0,001 |
| 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 ».