Fractional composition of protein polymers of corn grain

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The study of the fractional composition of protein polymers of corn grain was carried out in order to identify the most valuable varieties that have a high protein value, which will allow the further use of these varieties of corn as a component of feed. The objects of the study were maize varieties of the FGBNU RosNIISK "Rossorgo" breeding: RNIISK 1, RSK Zarya, Raduga, RSK Avrora, RSK Graskorn, Artemida, RSK 7, RSK 3, RSK 354, Nova, Zukerka, 421/20. The work was carried out in the Saratov region in 2020-2021. Mature crushed grain was used for analysis. The studies were carried out by the extraction method to separate proteins into fractions according to the Osborne scheme in triplicate. In terms of the amount of water-soluble proteins - albumins, the varieties Artemida (16.98 g/100 g of protein), Nova (16.83 g/100 g of protein), RSK Graskorn (16.32 g/100 g of protein) and Zuckerka (15. 68 g/100 g protein). The Raduga variety was characterized by the highest content of glutelins among the studied samples (25.69 g/100 g of protein), the lowest by Zukerka (16.68 g/100 g of protein). The highest amount of prolamins in the grain was noted in the Raduga variety (23.47 g/100 g of protein), followed by the RSK-7 line (22.89 g/100 g of protein) and the RSK Avrora variety (22.2 g/100 g of protein)). The lowest content of insoluble protein in the residue was recorded in the grain of the Zukerka variety (12.45 g/100 g of protein). The most complete protein, which was distinguished by the highest content of water- and salt-soluble fractions with a simultaneously low amount of insoluble protein residue, was characterized by Artemis and Nova hybrids.

About the authors

O. I Bolotova

Russian Research and Design-Technological Institute of Sorghum and Corn

Email: gelechrisum@gmail.com
410050, Saratov, 1-yi Institutskii proezd, 4

I. A Sazonova

Russian Research and Design-Technological Institute of Sorghum and Corn

410050, Saratov, 1-yi Institutskii proezd, 4

V. V Bychkova

Russian Research and Design-Technological Institute of Sorghum and Corn

410050, Saratov, 1-yi Institutskii proezd, 4

References

  1. Shah T.R., Parsad K., Kumar P. Maize - a potential source of human nutrition and Maize-A potential source of human nutrition and health // Cogent Food Agric. 2016. Vol. 2. URL: https://www.tandfonline.com/doi/full/10.1080/23311932.2016.1166995 (дата обращения: 09.09.2022). doi: 10.1080/23311932.2016.1166995.
  2. Тупольских, Т. И., Вифлянцева Т. А. Анализ влияния химических способов замачивания зерна кукурузы на растворимость белков // Молодой исследователь Дона. 2018. № 2(11). С. 102-106.
  3. Тосунов Я.К., Чернышева Н.В., Барчукова А.Я. Влияние обработки семян кукурузы агрохимикатом Вуксал Тернос Универсал на рост, формирование репродуктивных органов и урожайность кукурузы // Плодородие. 2018. №6. С.23-26.
  4. Продуктивные гибриды кукурузы для успешного агробизнеса // Аграрная наука. 2020. № 9. С. 65.
  5. Martinez E.L., Fernandez F.J.B. Economics of corn production, marketing and use // Chemistry and technology / ed. S.O. Serna-Saldivar. Amsterdam: Elsevier, 2018. Р. 87-106.
  6. Экологическое изучение гибридов кукурузы в степной зоне Нижнего Поволжья / С. А. Зайцев, Д. П. Волков, Л. А. Гудова и др. // Аграрный научный журнал. 2022. №4. С.13-17. doi: 10.28983/asj.y2022i4pp13-17.
  7. Bouis H.E, Saltzman A. Improving nutrition by bioenrichment: A review of Harvest Plus, 2003 through 2016 // Glob Food Security. 2017. Vol. 12. Р. 49-58. URL: https://www.sciencedirect.com/science/article/pii/S2211912417300068?via%3Dihub (дата обращения: 25.10.2022). doi: 10.1016/j.gfs.2017.01.009.
  8. Айрумян В.Ю., Сокол Н. В., Ольховатов Е. А. Химический состав продуктов переработки зерна риса и кукурузы для повышения пищевой и биологической ценности хлебобулочных изделий // Ползуновский вестник. 2020. № 3. С. 3-10. doi: 10.25712/ASTU.2072-8921.2020.03.001.
  9. Wu Y., Messing J. Proteome balancing of the maize seed for higher nutritional value // Front. Plant. Sci. 2014. Vol.5. P. 240-252. doi: 10.3389/fpls.2014.00240.
  10. Ranum P., Pena-Rosas J.P., Garcia-Casal M.N. Global maize production, utilization, and consumption // Ann.N. Y. Acad. Sci. 2014. Vol. 105. P. 1312-1337.
  11. Evaluation of maize germplasm based on zein polymorphism from the archipelago of Madeira / I.R.A. Freitas, F. Ganança, T. Santos, et al. // Maydica. 2005. Vol. 50. P. 105-112.
  12. Landry J., Delhaye S., Damerval C. Protein distribution pattern in floury and vitreous endosperm of maize grain // Cereal Chem. 2004. Vol. 81. P. 153-158. doi: 10.1094/ CCHEM.2004.81.2.153.
  13. Temporal patterns of gene expression in developing maize endosperm identified through transcriptome sequencing / G. Li, D. Wang, R. Yang, et al. // Proceed. Natl. Acad. Sci. U.S.A. 2014. Vol. 111. P. 7582-7587. doi: 10.1073/pnas.1406383111.
  14. Осборн Т.Б. Растительные белки / Перев. с англ. под редакцией проф. А.Р. Казель. М.; Л.: Биомедгиз. 1935. 220 с.
  15. Бутовец Е. С., Красковская Н. А., Даниленко И. Н. Многокритериальная оценка гибридов кукурузы в условиях Приморского края // Земледелие. 2020. № 4. С. 26-28. doi: 10.24411/0044-3913-2020-10407.
  16. Мартынов С.П. Статистический и биометрико-генетический анализ в растениеводстве и селекции. Пакет программ "AGROS 2.09". Тверь. 1999.
  17. Селекция новых гибридов кукурузы с пониженной уборочной влажностью зерна / А. В. Гульняшкин, Н. А. Лемешев, А. А. Земцев и др. // Труды Кубанского государственного аграрного университета. 2020. № 85. С. 61-67. doi: 10.21515/1999-1703-85-61-67.

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2023 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».