Exploration and characterization of bioactive phytochemicals in native Canadian plants for human health
Notice bibliographique
Résumé
The boundary between medicine and food is not always clear in many ancient cultures. Many plants have traditionally been used in both culinary and healing practices. Herbs, in particular, have shown this dual functionality. Scientific information on herbal medicines has been limited to exotic plants, and only a few herbal plants native to, or grown in, Canada, such as American ginseng, Echinacea, St. John’s wort and feverfew, have been studied. Thorough investigations have not been carried out, and there is a lack of information about native Canadian plants and their potential as medicinal plants, particularly in terms of their chemical composition, biological activity and potential use for disease prevention. Also, from the marketing point of view, many of the existing herbs have only a small niche in the marketplace, so over production and consequent price depression can easily happen, as seen in the ginseng industry. There is obviously a need for multidisciplinary collaboration among herbalists, botanists, chemists and other scientists, since introducing native plants into mass production requires knowledge of environmental impact, genetic variability and the effects of other factors on the bioactive components. This review is intended to introduce the needs, techniques and challenges of such an approach with an emphasis on chemical and biochemical characterizations. Key words: Phytochemicals, native plants, medicinal plants, aboriginal plants
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».