MétaCan
Menu
Retour à la cohorte
Enregistrement W4387233239 · doi:10.20944/preprints202310.0006.v1

Changes in Polar Lipid Composition in Balsam Fir during Seasonal Cold Acclimation and Relationship to Needle Abscission

2023· preprint· en· W4387233239 sur OpenAlexaff
Mason T. MacDonald, Rajasekaran R. Lada, Gaye E. MacDonald, C. D. Caldwell, Chibuike C. Udenigwe

Notice bibliographique

RevuePreprints.org · 2023
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensUniversity of OttawaDalhousie University
Organismes subventionnairesnon disponible
Mots-clésBalsamAbscissionChlorophyll fluorescenceBotanyChlorophyllAcclimatizationPostharvestChemistryHorticultureBiology

Résumé

récupéré en direct d'OpenAlex

Needle abscission in balsam fir has been linked to both cold acclimation and changes in lipid composition. The overall objective of this research is to uncover lipid changes in balsam fir during cold acclimation and link those changes with postharvest abscission. Branches were collected monthly from September to December and assessed for cold tolerance via membrane leakage and chlorophyll fluorescence changes at -5, -15, -25, -35, and -45°C. Lipids were extracted and analyzed using mass spectrometry while postharvest needle abscission was determined gravimetrically. Cold tolerance and needle retention each significantly (P < 0.001) improved throughout autumn in balsam fir. There were concurrent increases in DGDG, PC, PG, PE, and PA throughout autumn and a decrease in MGDG. Those same lipids were strongly related to cold tolerance, though MGDG had the strongest relationship (R2 = 55.0% and 42.7% from membrane injury and chlorophyll fluorescence, respectively). There was a similar, albeit weaker, relationship between MGDG:DGDG and needle retention (R2 = 24.3%). Generally, a decrease in MGDG:DGDG ratio resulted in better cold tolerance and higher needle retention in balsam fir possibly due to increased membrane stability.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,003
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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 Opus0,079
Tête enseignante GPT0,311
Écart entre enseignants0,232 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetForest ecology and managementTravaux en français237 207