Research on the Influence of Cultivation Environment on the Active Ingredient Content and Physiological Response of Tongzi Yimicao
Notice bibliographique
Résumé
This study focuses on the effects of different cultivation conditions on the content of active ingredients and plant physiological changes in Leonurus japonicus . Tongzi Yimucao is a commonly used herbal plant in traditional Chinese medicine, commonly used to treat gynecological diseases. Its main active substances are leonurine and carnosine. Several factors in the cultivation environment can directly affect the synthesis and accumulation process of these components. In terms of water management, appropriate drought treatment can induce plants to accumulate more flavonoids and phenolic acids. Strong light conditions can stimulate laser interaction, indirectly enhancing the accumulation of active ingredients; Moderate temperature helps plants maintain metabolic balance, while too high or too low temperature may inhibit the synthesis of metabolites. Modern cultivation methods such as greenhouse planting and hydroponic technology can achieve more precise regulation of these environmental factors. Under controlled conditions, plant growth is more stable and the fluctuation of active ingredients is smaller. Environmental stress can cause changes in the antioxidant enzyme system within plants, such as increased activity of superoxide dismutase (SOD) and catalase (CAT). This type of reaction varies under different cultivation conditions, so it is necessary to design reasonable management measures in actual production. Future research can further combine precision agriculture equipment and molecular biology methods to reveal the relationship between environment and components at the genetic level, explore better cultivation schemes, and improve the quality and efficacy of Leonurus japonicus .
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 | 0,001 |
| 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 | 0,001 |
| 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 ».