Rhizospheric Bacterial Distribution Influencing the Accumulation of Isoflavones, Phenolics, Flavonoids, and Antioxidant Activity in Soybean Roots Within Hydroponic System
Notice bibliographique
Résumé
This study investigates how root color in soybeans affects isoflavone composition, rhizosphere bacterial diversity, total phenolics, total flavonoids, and antioxidant activity under a hydroponic cultivation system. Notably, soybean-brown roots (SBRs) accumulated significantly higher contents of isoflavones, exhibiting approximately a 14.9-fold increase in total glycosides (141.75 to 2121.59 µg/g), 7.3-fold increase in total malonyl-β-glycosides (127.52 to 930.45 µg/g), 2.8-fold increase in total aglycones (1825.90 to 5145.21 µg/g), and 3.9-fold increase in total isoflavones (2095.16 to 8197.26 µg/g) than soybean-white roots (SWRs). Isolated rhizosphere bacteria profiling revealed γ-Proteobacteria as the predominant class in both root types, constituting 77.6% and 73.9% of the bacterial community in SWRs and SBRs, respectively. However, SBRs supported a more diverse bacterial ecosystem, harboring thirteen genera compared to only eight genera in SWRs. Enhanced total phenolics, total flavonoids, and radical scavenging activity were also associated with the SBRs. These findings shed light on the dynamic interplay between root traits, bacterial interactions, and secondary metabolite biosynthesis in hydroponically grown soybeans. This work not only advances our understanding of plant root–microbiome–metabolite relationships but also offers a novel approach to exploring the potential of enhancing secondary metabolites in soybean plants through precision cultivation.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».