Pretreatments for the Efficient Extraction of Bioactive Compounds from Plant-Based Biomaterials
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The extraction of medicinal or functional compounds from herbal plants is an important unit operation in food and bio-industries. The target compounds are generally present inter- or intra-cellularly in an intricate microstructure formed by cells, intercellular spaces, capillaries, and pores. The major resistance of molecular diffusion in materials of plant origin always comes from the intact cell walls and adhering membranes. Therefore, increasing the permeability of cell walls and membranes plays a very important role to increase extraction yield and/or extraction rate. Important pretreatment methods to modify the cellular structures and increase the permeability of cell walls or membranes are discussed in this paper. They include physical, biologic, and chemical treatments. In physical methods, mechanical disruption, high-pressure (HP) process, pulsed electric field (PEF) application, ultrasonic treatment, and freeze-thaw, and so on were applied. In biologic methods, different cell wall-degrading enzymes were applied to break-down cell walls or membranes and to diminish the overall internal resistance for transporting bioactive compounds from internal matrix to the external solution. In chemical methods, various chemicals for increasing the inner- or outer-membrane permeabilization were introduced. The principles of the technologies, examples of improvements, and advantages and disadvantages of the pretreatment methods are critically reviewed in this paper.
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle