MétaCan
Menu
Retour à la cohorte
Enregistrement W1978396960 · doi:10.1016/j.foodchem.2010.09.049

The recognition of high molecular weight melanoidins as the main components responsible for radical-scavenging capacity of unheated and heat-treated Canadian honeys

2010· article· en· W1978396960 sur OpenAlexafffundabout
Katrina Brudzynski, Danielle Miotto

Notice bibliographique

RevueFood Chemistry · 2010
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBee Products Chemical Analysis
Établissements canadiensBrock University
Organismes subventionnairesOntario Centres of Excellence
Mots-clésBrowningChemistryMelanoidinMaillard reactionFractionationScavengingFood scienceAntioxidantRadicalPolyphenolChromatographySize-exclusion chromatographyBiochemistryEnzyme

Résumé

récupéré en direct d'OpenAlex

As the Maillard reaction is known to occur in heat-treated foods, unheated and heated honey samples were subjected to the activity-guided fractionation and size-exclusion chromatography to compare the degree of browning, radical scavenging activity (ORAC) and molecular size of the fractions obtained. Heat-treatment increased browning in the fractions of light- and medium-coloured honeys (p < 0.002), accelerated the formation of high molecular weight melanoidins (85–232 kDa) and significantly increased ORAC values (p < 0.0001). In contrast, melanoidin content and ORAC decreased in the fractions of heat-treated dark buckwheat honey (p < 0.001). Unheated dark honey contained a significantly higher amount of melanoidins than other honeys (p < 0.007). Together, results showed that at low initial concentration of melanoidins, heat-treatment accelerated formation of new melanoidins and increased ORAC, while at high concentration it caused decrease and a reduction of radical scavenging activity. This study emphasises the importance of non-enzymatic browning in the prediction of the antioxidant pool in thermally processed honeys.

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 enseignants0,986
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,013
Tête enseignante GPT0,181
Écart entre enseignants0,169 · 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

Citations84
Publié2010
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFood ChemistryMême sujetBee Products Chemical AnalysisTravaux en français237 207