Adaptation of Glycyrrhiza glabra L. to water deficiency based on carbohydrate and fatty acid quantity and quality
Notice bibliographique
Résumé
Abstract Water deficit affects agricultural systems negatively globally. This research objective was to mitigate drought’s detrimental effects on plants metabolite profiling by utilizing biofertilizers and mineral nutrition. The carbohydrate content and fatty acid profile of Licorice (Glycyrrhiza glabra) were assessed under Silicon (Si) nutrition, Claroiedoglomus etunicatum inoculation (F), and drought stress (100, 80, 60, 40, and 20% of field capacity (FC)). Results showed that Si application increased total sugar content under severe drought levels (20 and 40% FC) and made it reach 12.41 and 12.63 g/100 g DW, respectively. Sucrose, as the predominant sugar of licorice, was at its highest level (13.1 g/100 g DW) in response to integrated values of F and Si (60% FC). Gas chromatography–mass spectrometry showed that the majority of fatty acid components in plants were 9-Octadecenoic acid (8.72–71.27%), 9,12-Octadecadienoic acid (0.1–56.43%), Hexadecanoic acid (12.84–30.59%), Octadecanoic acid (6.9–15.3%), Docosanoic acid (0.57–2.77%), Eicosanoic acid (1.07–2.64%), and 7-Hexadecenoic acid (0.26–2.62%). Since a lower omega6/omega3 ratio represents a healthier product, the lowest ratio (0.25%) was observed in well-watered inoculated plants. Also, severe drought-treated plants under integrated Si and F applications showed a low omega6/omega3 ratio (1.88%). In conclusion, Si and F improved synergistically the carbohydrate content and fatty acid profile in plants, despite the drought stress.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».