Foliar-Selenium-Induced Modulation of Volatile Organic Compounds in Rice Grains: A Comparative Study of Sodium Selenite and Nano-Selenium
Notice bibliographique
Résumé
Rice aroma is influenced by many factors, including selenium (Se) fertilizer. In this study, we investigated the effects of different Se species on the volatile organic compounds (VOCs) in three indica rice varieties over 2022 and 2023 by forliar spray. The VOCs were analyzed using HS-SPME-GC-MS. The results showed that both Se nanoparticles (SeNPs) and sodium selenite (Na2SeO3) significantly increased the contents of most VOCs in all three varieties, with SeNPs exhibiting a more pronounced effect. PCA and OPLS-DA revealed distinct clustering of the VOCs based on Se treatments and rice varieties. By variable importance in projection (VIP) analysis with FDR correction, Na2SeO3 yielded 7 markers, whereas SeNP treatment identified 18. Every marker detected under Na2SeO3 was fully encompassed within the SeNPs set. Three-factor ANOVA indicated that there are significant interaction effects among Se species, rice variety, and planting year. Additionally, the effect sizes were evaluated in the key VOCs to quantify the effect of Se species, rice variety, and planting year. The findings highlight Se fertilizers to enhance rice aroma and suggest selecting appropriate Se species and rice varieties for aroma improvement.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».