MétaCan
Menu
Retour à la cohorte
Enregistrement W1559379415 · doi:10.1111/1750-3841.12377

Assessment of the Antioxidant Capacity and Oxidative Stability of Esterified Phenolic Lipids in Selected Edible Oils

2014· article· en· W1559379415 sur OpenAlexaff
Sarya Aziz, Sélim Kermasha

Notice bibliographique

RevueJournal of Food Science · 2014
Typearticle
Langueen
DomaineChemistry
ThématiqueEdible Oils Quality and Analysis
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésChemistryFood scienceAntioxidantFish oilPeroxide valueOxidative phosphorylationLipid oxidationLipaseChromatographyFish <Actinopterygii>Organic chemistryBiochemistryBiologyEnzyme

Résumé

récupéré en direct d'OpenAlex

The research work was aimed at the determination of the antioxidant capacity (AOC) and the oxidative stability of phenolic lipids (PLs), obtained by lipase-catalyzed transesterification of phenolic acids (PAs) with selected edible oils (EOs), including flaxseed (FSO), fish liver (FO), and krill (KO) oils. The statistical analyses (Tukey's test at P < 0.05) revealed that the difference in AOC between that of the esterified FSO (EFSO) and the esterified krill oil (EKO) containing PLs and their control trials of EOs was significant (P < 0.05). To evaluate the storage stability, the EOs and their esterified products were subjected to 2 oxidation treatments. The experimental findings showed that the esterified EOs had higher oxidative stability when they were subjected to light, oxygen, and agitation at 50 °C as compared to that of the EOs; however, only the esterified fish oil (EFO) showed a significant difference in its peroxide value, when the esterified EOs were placed in the dark at 25 °C. Overall, the phenolic mono- and diacyglycerols present in the EOs have shown to be potential antioxidants in improving the oxidative stability of the oil and enhancing its AOC.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,289
Écart entre enseignants0,256 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ScienceMême sujetEdible Oils Quality and AnalysisTravaux en français237 207