Correlation of lipid content and phenotypic markers of Canadian field peas «Pisum sativum»
Notice bibliographique
Résumé
Les biolipides sont largement utilisé dans l'industrie des produits oléochimiques ainsi que dans la production de biocarburants, de tensioactifs biologiques et de biolubrifiants. Ces lipides biologiques ont le potentiel d'éventuellement remplacer plusieurs produits pétrochimiques. La demande croissante de biolipides dans plusieurs secteurs industriels intensifie l'importance d'huiles végétales sur une échelle mondiale. Au delà de 30% du régime quotidien calorifique humain est comblé par des huiles comestibles, ce qui représente 80% de la production mondiale d'huiles végétales. Afin de répondre à la demande, la production d'oléagineux a augmenté grâce à une amélioration en termes de la culture sélective et de l'extension des zones de culture et par la production de plantes génétiquement modifiées. Le pois (Pisum sativum L.) est l'une des cultures les plus rependues et importantes au monde. Ainsi, une augmentation significative de la teneur en lipides des graines du pois cultivé pourrait faciliter la production d'huile végétale. Les pois possèdent une concentration importante de protéines et d'amidon. Cependant, la concentration de lipides présentes dans le pois cultivé doit accroitre pour éventuellement considérer cette légumineuse comme source importante de biolipides. Bien que les voies de biosynthèse de lipides chez les plantes supérieures ont été découverts, notre compréhension du mécanisme de régulation de l'accumulation de lipides est encore limitée. Par conséquent, cette étude examine la corrélation entre la teneur en lipides et d'autres marqueurs phénotypiques du pois cultivé. Des semences provenant de huit accessions de pois ont été dépistées pour leur teneur en lipides ainsi que pour d'autres marqueurs phénotypiques tels que leur teneur en glucides, protéines, caroténoïdes, flavonoïdes, chlorophylle, humidité, cendres, phénols, amidon et finalement en terme d'activité antioxydante. La teneur en lipides des semences de pois cultivés était faible, se situant entre 1,3 à 2,6%, alors que la teneur en protéines et en glucides était relativement élevée, variant de 155 à 232 mg d'ASB par gramme d'échantillon (ASB, albumine de sérum bovin) et de 357 à 453 mg par g d'échantillon, respectivement. L'analyse statistique révèle qu'il existe une corrélation entre la teneur en lipides et la variété, la forme des graines, la couleur des graines, la teneur en cendres et la teneur en amidon, mais la corrélation entre la teneur en lipides et la teneur en protéine était négligeable. Il existe une forte corrélation positive entre la teneur en lipides et une haute teneur en cendres, et les graines de couleur brune et verte. Il existe une corrélation négative entre la teneur en lipides et une surface de graine lisse, la couleur de graine jaune, une haute teneur en amidon et un volume de graine plus élevé. En utilisant l'analyse statistique des marqueurs phénotypiques, la variété de pois souhaitée peut être facilement sélectionné et la modification significative peut encore être effectué pour améliorer la qualité nutritionnelle.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».