Revealing novel insights into the improvement of greenhouse tea quality through exogenous substance interventions using targeted and untargeted metabolomics and microbial community analyses
Notice bibliographique
Résumé
Tea quality in greenhouse was certain gap with open air. Metabolites and foliar microorganisms were investigated under seaweed fertiliser (CF) and gibberellin (CH) treatments using sensory evaluation, HPLC, untargeted metabolomics, 16S rDNA, and Internal Transcribed Spacer. CF tea was mellow, less astringent, and of better quality compared to CH. Catechin, −(−)Epicatechin, and Epigallocatechin were notably lower in CF. Differentially accumulated metabolites (DAMs) were notably enriched in Flavonoid and Phenylpropanoid biosynthesis, both involved in Catechin synthesis. DAMs in these pathways appeared down-regulated in CF. The CF improved quality by down-regulating metabolites in Phenylpropanoid biosynthesis in conjunction with microbial community metabolism enriched in amino acid and secondary metabolite biosynthesis. Metabolite- microbial correlation analysis indicated that the highest correlation with phenylpropane pathway metabolites was in bacteria Variovorax and Pseudomonas , and in fungi Filobasidium . The study provides theoretical basis for regulating flavour quality of greenhouse tea. • CCF exhibited umami, mellow and fragrant and sweet flavour, while CH showed slightly astringent, mellow and thick • Catechin, −(−)Epicatechin, and Epigallocatechin flavour metabolites were notably lower in CF • Phenylpropanoid biosynthesis was identified as a key pathway driving the flavour differences • Strong correlations were observed between signature microorganisms and flavour substances • A greenhouse tea quality improvement measure was proposed
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 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».