MétaCan
Menu
Retour à la cohorte
Enregistrement W2068835368 · doi:10.2202/1556-3758.1283

Proximate Composition of the Apple Seed and Characterization of Its Oil

2007· article· en· W2068835368 sur OpenAlexaff
Xiuzhu Yu, Frederick R. van de Voort, Zhixi Li, Tianli Yue

Notice bibliographique

RevueInternational Journal of Food Engineering · 2007
Typearticle
Langueen
DomaineChemistry
ThématiqueEdible Oils Quality and Analysis
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésProximateFood scienceChemistryStearic acidLinoleic acidComposition (language)Oleic acidPalmitic acidPotassiumPhosphorusAmino acidNutrientFatty acidBotanyBiologyBiochemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Apple seeds, a common byproduct of apple processing, have been examined for their overall proximate composition, fatty acid and amino acid composition of the lipid and protein components, respectively, as well as their key mineral constituents. Proximate analysis indicated that apple seeds are rich in oil content and protein ranging from 27.5 to 28% and 33.8 to 34.5% respectively, comparing favorably with oilseeds. GC analysis indicated high levels of linoleic acid (~49%) with the other dominant fatty acids being oleic, palmitic and stearic acids, ranging from ~39, 7 and 2% respectively. Amino acid analysis indicates that there are substantial amounts of sulfur containing amino acids in the apple seed. The apple seeds also contain significant amounts of phosphorus, potassium, magnesium, calcium and iron, in the order of 720, 650, 510, 210 and 110 mg/100g, respectively. Based on the proximate composition of the apple seeds, if adequate amounts are available as a process byproduct, apple seeds could have value-added potential as a source of edible oil, with the oil cake potentially serving as an animal feed supplement.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,008
Tête enseignante GPT0,225
Écart entre enseignants0,217 · 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 source (Gemma direct ou Codex distillé), 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

Citations46
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Food EngineeringMême sujetEdible Oils Quality and AnalysisTravaux en français237 207