MétaCan
Menu
Retour à la cohorte
Enregistrement W4391965459 · doi:10.33545/26174693.2024.v8.i2e.570

Assessment of zinc-solubilizing bacterial isolates for plant growth promoting traits and water stress tolerance behaviour

2024· article· en· W4391965459 sur OpenAlexaff
Viabhav Kumar Upadhayay, Ajay Veer Singh, Amir Khan, Aman Jaiswal, Geeta Kumari, Bharti Kukreti

Notice bibliographique

RevueInternational Journal of Advanced Biochemistry Research · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Science and Fertilization
Établissements canadiens123 Certification (Canada)
Organismes subventionnairesnon disponible
Mots-clésZincWater stressBiologyPlant growthBiotechnologyBotanyHorticultureMaterials scienceMetallurgy

Résumé

récupéré en direct d'OpenAlex

The present study elucidates the efficiency of zinc solubilization and the plant growth-promoting (PGP) traits exhibited by selected zinc-solubilizing bacterial (ZSB) strains. Qualitative analysis unveils distinct variations in solubilization efficiency, with isolate FMBR110 demonstrating exceptional proficiency in solubilizing zinc from various insoluble sources. PGP traits, encompassing phosphate solubilization, siderophore production, indole-3-acetic acid (IAA) synthesis, exopolysaccharide (EPS) generation, hydrogen cyanide (HCN) emission, and ammonia production are quantified, spotlighting the functional diversity among isolates. Notably, FMAR106 showed the highest phosphate solubilization zone value (2.20 cm), while FMBR110 exceled in siderophore production (4.37 cm halo zone), IAA synthesis (24.09 µg/ml), and stands out as the sole producer of HCN. Furthermore, isolate FMBR110, exhibited remarkable tolerance to water stress, even in high water saturated soil conditions. The study accentuates the importance of selecting ZSB strains tailored to specific water conditions in agriculture, offering promising solutions for sustainable crop production, particularly in high water-stressed regions or flooding conditions.

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
Bibliométrie0,0010,000
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)0,0000,000

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 Opus0,032
Tête enseignante GPT0,341
Écart entre enseignants0,309 · 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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Advanced Biochemistry ResearchMême sujetAgricultural Science and FertilizationTravaux en français237 207