Trapping Effects of Green and Black Tea Extracts on Peroxidation-Derived Carbonyl Substances of Seal Blubber Oil
Notice bibliographique
Résumé
Green and black tea extracts were employed to stabilize seal blubber oil at 60 degrees C for 140 h. On the basis of the headspace SPME-GC-MS analysis, with the addition of green/black tea extracts, the contents of acetaldehyde, acrolein, malondialdehyde, and propanal, four major lipid peroxidation products, were reduced. The inhibition rates of acrolein formation by green tea and black tea extracts were 98.40 and 96.41% respectively, and were 99.17 and 98.16% for malondialdehyde, respectively, much higher than the inhibition of the formation of acetaldehyde and propanal. Because malondialdehyde and acrolein are reactive carbonyl species (RCS) and recent studies have suggested that phenolics can directly trap RCS, this study also investigated whether green tea polyphenols can trap acrolein or not. Acrolein was reduced by 90.30% in 3 h of incubation with (-)-epigallocatechin-3-gallate (EGCG). Subsequent LC-MS analysis revealed the formation of new adducts of equal molars of acrolein and EGCG. The reaction site for acrolein was elucidated to be the A ring of EGCG as evidenced by LC-MS/MS analysis and by testing of the acrolein-trapping capacities of the analogous individual A, B, and C rings of EGCG. Thus, EGCG's direct trapping of RCS may also contribute to the significant reduction of acrolein and other aldehydes in the peroxidation of seal blubber oil.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».