Geographical Variation in Nutritional Components of Peanut: Evidence From Multi‐Region Production Areas
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
ABSTRACT As an important oilseed and food material, the nutritional quality of peanut is influenced by not only the variety but also place of origin. However, research on the geographical impact remains scarce. In this study, nine peanut cultivars were planted at eight sites to determine geographical effects on quality parameters, including fatty acids, sucrose, tocopherols, and phenolic compounds. General linear model analysis showed that the environment of the producing area was a major factor for nutritional indicators except oleic acid in high‐oleic acid peanut varieties ( η 2 : genetic 51.20%, environmental 37.46%). Geographic factors accounted for 58.20%, 68.41%, and 37.15% of the variance in total tocopherols, total phenolics, and sucrose, respectively, while the corresponding varietal effects were 57.83%, 71.06%, and 20.13%. Climate–nutrient interaction analysis revealed this was primarily attributed to low‐temperature conditions promoting sucrose and phenolic compound biosynthesis (e.g., quercetin). In contrast, elevated temperature and humidity correlated with tocopherol accumulation. Furthermore, we delineated geographical characteristics: Hubei (high oleic acid/tocopherol) and Xinjiang (high sucrose/phenol). This study determined geography's impact, providing strategies for region‐specific breeding to advance the industry.
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