Ribera, Laura Matos; Sousa Junior, Gilmar da Silveira; Meneses, Mariana Dias; Pimenta, Efraim Pereira; Rolim, Glauco de Souza; Azevedo, Ricardo Antunes de 
; Gratão, Priscila Lupino
Source: Scientific Reports. Unidade: ESALQ
Subjects: ANTIOXIDANTES, APRENDIZADO COMPUTACIONAL, BIOMARCADORES, CÁDMIO, DEFICIT HÍDRICO, ENZIMAS, ESPÉCIES REATIVAS DE OXIGÊNIO, SALINIDADE DO SOLO, TOMATE
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RIBERA, Laura Matos et al. Machine learning model provides stress biomarkers for the classification of abiotic stress in Micro-Tom. Scientific Reports, v. 16, p. 1-16, 2026Tradução . . Disponível em: https://doi.org/10.1038/s41598-026-39117-y. Acesso em: 25 abr. 2026.APA
Ribera, L. M., Sousa Junior, G. da S., Meneses, M. D., Pimenta, E. P., Rolim, G. de S., Azevedo, R. A. de, & Gratão, P. L. (2026). Machine learning model provides stress biomarkers for the classification of abiotic stress in Micro-Tom. Scientific Reports, 16, 1-16. doi:10.1038/s41598-026-39117-yNLM
Ribera LM, Sousa Junior G da S, Meneses MD, Pimenta EP, Rolim G de S, Azevedo RA de, Gratão PL. Machine learning model provides stress biomarkers for the classification of abiotic stress in Micro-Tom [Internet]. Scientific Reports. 2026 ; 16 1-16.[citado 2026 abr. 25 ] Available from: https://doi.org/10.1038/s41598-026-39117-yVancouver
Ribera LM, Sousa Junior G da S, Meneses MD, Pimenta EP, Rolim G de S, Azevedo RA de, Gratão PL. Machine learning model provides stress biomarkers for the classification of abiotic stress in Micro-Tom [Internet]. Scientific Reports. 2026 ; 16 1-16.[citado 2026 abr. 25 ] Available from: https://doi.org/10.1038/s41598-026-39117-y
