Applications of synchrotron light in seed research: an array of x-ray and infrared imaging methodologies
Notice bibliographique
Résumé
Synchrotron radiation (SR) provides a wide spectrum of bright light that can be tailored to test myriad research questions. SR provides avenues to illuminate structure and composition across scales, making it ideally suited to the study of plants and seeds. Here, we present an array of methodologies and the data outputs available at a light source facility. Datasets feature seed and grain from a range of crop species including Citrullus sp. (watermelon), Brassica sp. (canola), Pisum sativum (pea), and Triticum durum (wheat), to demonstrate the power of SR for advancing plant science. The application of SR micro-computed tomography (SR-µCT) imaging revealed internal seed microstructures and their three-dimensional morphologies in exquisite detail, without the need for destructive sectioning. Spectroscopy in the infrared spectrum probed sample biochemistry, detailing the spatial distribution of seed macronutrients such as lipid, protein and carbohydrate in the embryo, endosperm and seed coat. Methods using synchrotron X-rays, including X-ray absorption spectroscopy (XAS) and X-ray fluorescence (XRF) imaging revealed elemental distributions, to spatially map micronutrients in seed subcompartments and to determine their speciation. Synchrotron spectromicroscopy (SM) allowed chemical composition to be resolved at the nano-scale level. Diverse crop seed datasets showcase the range of structural and chemical insights provided by five beamlines at the Canadian Light Source, and the potential for synchrotron imaging for informing plant and agricultural research.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».