MétaCan
Menu
Retour à la cohorte
Enregistrement W2036779376 · doi:10.1002/pca.735

HPLC‐PAD‐APCI/MS assay of phenylpropanoids in cereals

2004· article· en· W2036779376 sur OpenAlexaff
Antoine Bily, Andrew Burt, Al‐Idrissi Ramputh, John F. Livesey, Catherine Régnault-Roger, Bernard R. Philogène, J. T. Arnason

Notice bibliographique

RevuePhytochemical Analysis · 2004
Typearticle
Langueen
DomaineMedicine
ThématiquePhytochemicals and Antioxidant Activities
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesEuropean Commission
Mots-clésFerulic acidChemistryPhenylpropanoidSorghumChromatographyAtmospheric-pressure chemical ionizationHigh-performance liquid chromatographyFood scienceBiochemistryOrganic chemistryAgronomyChemical ionizationIonizationEnzyme

Résumé

récupéré en direct d'OpenAlex

A new, rapid HPLC-PAD-APCI/MS assay has been developed in order to measure accurately the amount of p-coumaric, E- and Z-ferulic acid and the dehydrodimers of ferulic acid in cereal grain. In the positive ionisation mode, MS patterns gave additional information for the identification of the dimers. The time required and the quantities of solvents employed in the developed analytical method are much lower than those involved in previously available assays of these compounds, thus making the method suitable for the screening of cereal genotypes. Application of the method to accessions of maize, wheat and sorghum showed that E-ferulic was the most abundant phenylpropanoid, whilst the major dimer was 8-O-4' dehydrodimer of ferulic acid followed by the 5-5' and then the 8-5' forms. Maize grains, especially of the Mexican landraces, contained the highest levels of these dimers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,014
Score d'incertitude au seuil0,779

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,002
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)0,0000,000

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 Opus0,012
Tête enseignante GPT0,271
Écart entre enseignants0,260 · 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 tête enseignante, 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

Citations40
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhytochemical AnalysisMême sujetPhytochemicals and Antioxidant ActivitiesTravaux en français237 207