MétaCan
Menu
Retour à la cohorte
Enregistrement W1963790044 · doi:10.1081/jlc-200030487

Trihydroxyflavones from<i>Scutellaria baicalensis</i>: Separation by a Facile MEKC Technique and Comparison to an Analytical HPLC Method

2004· article· en· W1963790044 sur OpenAlexaff
Ryszard Amarowicz, Ronald B. Pegg, Paul Kolodziejczyk, Jan Oszmiański

Notice bibliographique

RevueJournal of Liquid Chromatography & Related Technologies · 2004
Typearticle
Langueen
DomaineMedicine
ThématiqueFlavonoids in Medical Research
Établissements canadiensOlds CollegeUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésChemistryScutellaria baicalensisChromatographyBaicalinBaicaleinMicellar electrokinetic chromatographyHigh-performance liquid chromatographyFlavonesChromatography detectorMass spectrometryCapillary electrophoresis

Résumé

récupéré en direct d'OpenAlex

Abstract Phenolic were extracted from the roots of Scutellaria baicalensis Georgi (Labiatae) using methanol. The phenolics of the crude extract were examined by high‐performance liquid chromatography (HPLC) using an analytical C18 column coupled with ultraviolet‐diode array detection (UV‐DAD). Chromatograms were compared with those acquired by micellar electrokinetic chromatography (MEKC) with UV‐DAD. A good separation of the phenolics from the crude extract was achieved by the electrophoretic technique, and in a shorter time than by HPLC. Two dominant flavones, believed to be 5,6,7‐trihydroxyflavone and 5,6,7‐trihydroxyflavone‐7‐O‐β‐D‐glucopyranosiduronate, which are commonly referred to as baicalein and baicalin, respectively, were then isolated from the crude extract using a semi‐preparative HPLC method on a RP‐18 column. The identities of the separated trihydroxyflavones were confirmed by NMR spectroscopies and mass spectrometry as being baicalein (1) and baicalin (2). The employment of MEKC coupled with UV‐DAD as a technique to separate and to identify phenolic compounds, or their classes in natural products research, is expected to expand over the next decade.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,091
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,022
Tête enseignante GPT0,374
Écart entre enseignants0,352 · 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 tête enseignante, pas un consensus.

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

Citations5
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Liquid Chromatography & Related TechnologiesMême sujetFlavonoids in Medical ResearchTravaux en français237 207