MétaCan
Menu
Retour à la cohorte
Enregistrement W2001414940 · doi:10.1007/s11746-013-2345-6

Production of Canolol from Canola Meal Phenolics via Hydrolysis and Microwave‐Induced Decarboxylation

2013· article· en· W2001414940 sur OpenAlexaff
Rabie Khattab, Michael Eskin, Usha Thiyam‐Holländer

Notice bibliographique

RevueJournal of the American Oil Chemists Society · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueCatalysis for Biomass Conversion
Établissements canadiensCargill (Canada)University of Manitoba
Organismes subventionnairesnon disponible
Mots-clésCanolaHydrolysisChemistryDecarboxylationEnzymatic hydrolysisEsteraseMealFood scienceOrganic chemistryNuclear chemistryEnzymeCatalysis

Résumé

récupéré en direct d'OpenAlex

Abstract A potent antioxidant, anti‐inflammatory and anti‐mutagenic agent; 4‐vinyl‐2,6‐dimethoxyphenol (canolol) was obtained from canola meal in a significant yield via alkaline (NaOH)/enzymatic (ferulic acid esterase) hydrolysis followed by microwave‐assisted decarboxylation. The hydrolysis was carried out either through using canola meal directly as a substrate or by using the 70 % aqueous methanolic extract filtrates. The hydrolyzed extracts underwent RP‐HPLC analysis which showed that 81.0 and 94.8 % of the total phenolics were hydrolyzed to sinapic acid after the alkaline hydrolysis of the meal and the methanolic extracts, respectively. The enzymatic hydrolysis showed lower conversion rates (49.5 and 58.3 %). The hydrolyzed extracts were consequently decarboxylated using 8‐diazabicyclo[5.4.0]undec‐7‐ene under microwave irradiation at different conditions. The HPLC profiling of decarboxylated extracts showed that using microwave at 300 W of microwave power for 12 min brought the highest sinapic acid conversion to canolol (58.3 %) yielding 4.2 mg canolol from each gram of canola meal suggesting that the process could be commercially economical.

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 seuil0,004

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
Bibliométrie0,0000,000
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)0,0010,001

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 Opus0,004
Tête enseignante GPT0,181
Écart entre enseignants0,176 · 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

Citations39
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American Oil Chemists SocietyMême sujetCatalysis for Biomass ConversionTravaux en français237 207