Determination of flavour profile in Iranian fragrant rice samples using cold‐fibre SPME–GC–TOF–MS
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
Abstract A newly developed cold‐fibre solid‐phase microextraction (CF–SPME) device, as a powerful system for collection and concentration of volatile compounds, coupled to a gas chromatography time‐of‐flight mass spectrometer (GC–TOF–MS) system, equipped with a multi‐channel ion detector and a deconvolution software, was investigated for the analysis of volatile flavour compounds in the headspace of rice samples. The proposed combination provided a powerful system for easy and rapid screening of a wide range of flavours in fragrant rice samples. Based on four target analytes, including 2‐acetyl‐1‐pyrroline as a key odorant compound, different experimental parameters were optimized. The effect of the fibre composition, moisture present in the matrix, extraction temperature and time and desorption time were investigated. Nine Iranian and two Indian fragrant rice varieties were analysed using CF–SPME and the results were compared with commercial SPME fibres. The results revealed that uncooked rice samples can be successfully analysed even as dry kernels, without adding water, utilizing the fully automated CF–SPME–GC–TOF–MS. When using PDMS fibre, a clearly distinguishable peak was seen for 2‐acetyl‐1‐pyrroline by simultaneous cooling of the fibre and heating of rice matrices as dry whole grains. Copyright © 2007 John Wiley & Sons, Ltd.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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