MétaCan
Menu
Retour à la cohorte
Enregistrement W6544700 · doi:10.31274/rtd-180813-16524

Relationship between concentration of isoflavones in soybean grain and potassium fertilization

2006· dissertation· en· W6544700 sur OpenAlexaboutno aff
Mario Valadez-Ramírez

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineMedicine
ThématiquePhytoestrogen effects and research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHuman fertilizationSowingAgronomyGrain yieldPotassiumIsoflavonesAnimal scienceNutrientSoil testZea maysChemistryBiologySoil waterEcology

Résumé

récupéré en direct d'OpenAlex

Soybean grain contains isoflavones that may prevent various human diseases. Previous studies in Canada found that K fertilization and high grain K concentration can result in increased isoflavones concentration in grain, but effects were inconsistent across sites and soil-test K (STK) levels. The objective of this study was to assess (1) effects of K fertilization on the concentration of isoflavones and K in soybean grain and (2) relationships between soybean grains K concentration, isoflavone concentration, and yield. The study was based on analyses of grain collected from selected treatments and years of six Iowa long-term experiments that investigated effects of K fertilization and placement methods on soybean yield. Four experiments evaluated K placement methods for no-till soybean in rotation with corn (Zea mays, L.) from 1994 to 2001 at Iowa research farms located near Nashua, Kanawha, Lewis, and Sutherland. Two experiments evaluated broadcast K rates from 1976 until 2001at research farms near Ames and Kanawha. Grain samples were collected from two replications of three treatments from 17 site-years. Treatments selected from the placement trials were a control (no K) and 66 kg ha-1 yr-1 broadcast or deep-banded 15-20 cm depth, although at (two sites) Kanawha and Nashua grain also was collected from plots receiving 33 kg K ha-1 yr-1. Treatments selected from the other trials were a control and 67 or 100 kg K ha-1 yr -1. Soil samples were collected before planting soybean from the control plots for STK analyses. Grain was analyzed for concentration of K and 12 isoflavones. Potassium fertilization did not increase (P ≤ 0.05) grain yield, K concentration, or isoflavones concentration at sites where STK was above optimum for soybean. However, it increased grain K concentration and uptake consistently and yield and isoflavones concentration less consistently in other sites with STK Low or Optimum for soybean. On average across responsive sites, K fertilization increased K uptake 20%, yield 11%, K concentration 10%, and total isoflavones 6%. Isoflavones response to K was explained by response of total daidzein and genistein (total glycitein did not respond). Relationships between STK, concentration of K and isoflavones in grain, and grain yield often were positive and significant within sites but seldom across sites. Potassium fertilization increased yield and isoflavones concentrations only when STK was below optimum levels for crops but did not increase yield or isoflavones concentrations in high-testing soils. Relationships within and across locations indicated that the concentration of isoflavones in grain decreased or was unrelated with grain K concentration. Therefore, grain K concentration alone is not a good index of potential effects of K fertilization on isoflavones concentration in soybean grain.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,338
Écart entre enseignants0,308 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPhytoestrogen effects and researchTravaux en français237 207