Increasing fruit weight and altering flavour of pitaya by supplementing blue light during fruit growth
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
• Blue light increased the weight, firmness, and antioxidant activity of pitaya fruit. • Blue light had minor effects on primary metabolites but more pronounced effects on volatile compounds. • Blue light increased the accumulation of bioactive ingredients in the fruit’s peel. • The accumulation of flavor-associated volatile compounds, such as organic acids, esters, and terpenes in the pulp, was significantly altered. Supplemental light is often used in fruit production, but few studies have been conducted on pitaya. In this study, supplemental blue light was applied to pitaya for four hours each night in the field from flowering to fruit ripening to examine changes in peel and pulp physicochemical parameters and metabolites. Blue light treatment significantly increased fruit weight, improved fruit firmness by increasing pectin content and retarding hemicellulose degradation, and enhanced antioxidant enzyme activity. Blue light had minor effects on primary metabolites but more pronounced effects on volatiles. It is possible that by affecting alanine, aspartate and glutamate metabolism, blue light treatment resulted in significant fruit growth, improved fruit biotic resistance, increased accumulation of bioactive ingredients in the peel, and significantly altered the accumulation of flavor-associated volatile compounds, such as organic acids, esters and terpenes in the pulp. Our results provide an important reference for improving the yield and quality of pitaya production using supplemental light in the field.
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.
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 découle