Phenolic Acids in Berries, Fruits, and Beverages
Notice bibliographique
Résumé
The contents of soluble and total phenolic acids were analyzed in samples of 29 berries and berry products, 24 fruits and fruit peels, and 12 beverages. Variation of phenolic acids in berries was also studied. Soluble phenolic acids were extracted with methanolic acetic acid, and a tentative quantification was performed by high-performance liquid chromatography (HPLC). The total phenolic acid content was determined by HPLC after alkaline and acid hydrolyses. The content of total phenolic acids as aglycones in the above samples varied from 0 (pear cider) to 103 mg/100 g fresh weight (rowanberry). Besides rowanberry, the best phenolic acid sources among berries were chokeberry (96 mg/100 g), blueberry (85 mg/100 g), sweet rowanberry (75 mg/100 g), and saskatoon berry (59 mg/100 g). Among fruits, the highest contents (28 mg/100 g) were determined in dark plum, cherry, and one apple variety (Valkea Kuulas). Coffee (97 mg/100 g) as well as green and black teas (30-36 mg/100 g) were the best sources among beverages. Caffeic acid dominated in all of these samples except in tea brews. Variation in the phenolic acid contents of the berries was either small or moderate.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».