Synergies between plant antioxidant blends in preventing peroxidation reactions in model and food oil systems
Notice bibliographique
Résumé
Abstract A study was conducted to investigate the oxidative behavior of various mixtures of rosemary, sage, and citric acid in a linoleic acid model system by oxygen consumption measurement and in a palm olein system by differential scanning calorimetry (DSC) analysis. Response surface methodology was used to optimize the use of the mixtures. Results showed that rosemary and sage were two important factors for the protective index (PI). The two antioxidants were highly significantly ( P <0.001) in influencing PI values. There was a significant ( P <0.01) synergistic effect between rosemary and sage on PI values. Citric acid was also found to be significant ( P <0.05) for PI. With respect to onset time ( T o ), all three antioxidants were significant ( P <0.05). However, no significant interaction among antioxidants was found for T o . Mathematical models for both PI and T o could be developed with confidence. The R 2 values for PI and T o were 0.992 and 0.926, respectively. A combination of 0.078% rosemary, 0.067% sage and 0.037% citric acid was the optimal combination for PI, whereas a combination of 0.068% rosemary, 0.075% sage, and 0.039% citric acid was required to reach the optimal T o value.
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 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 | 0,000 |
| 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».