Application of principal component and hierarchical cluster analysis to classify different spices based on in vitro antioxidant activity and individual polyphenolic antioxidant compounds
Notice bibliographique
Résumé
This study investigated the variations in antioxidant profiles between spices using pattern recognition tools; classification was achieved based on the results of global antioxidant activity assays (2,2-diphenyl-1-picrylhydrazyl [DPPH], oxygen radical absorbance capacity [ORAC], ferric reducing antioxidant power [FRAP], microsomal lipid peroxidation [MLP] and 2,2′-azinobis(3-ethylbenzothiazoline-6-sulfonic acid) [ABTS]), levels of different polyphenolic compounds (gallic acid [GA], carnosol [CAR], carnosic acid [CRA], caffeic acid [CA], rosmarinic acid [RA], luteolin-7-O-glucoside [LOG], apigenin-7-O-glucoside [APOG] and total phenols [TP]) of spices namely rosemary, oregano, marjoram, sage, basil, thyme, fennel, celery, cumin and parsley, commonly consumed in Ireland were analyzed. Rosemary showed the highest antioxidant activity measured by the DPPH (11.02 g Trolox/g DW) assay, whereas oregano had the highest activity in the ORAC (28.31 g Trolox/g DW) test. By contrast, parsley showed the lowest antioxidant activity in both of the assays. Interrelationships of these assays and the spices were investigated by principal component analysis (PCA) and hierarchical cluster analysis (HCA). PCA revealed that the first two components represented 73% of the total variability in antioxidant activity and different antioxidant groups. HCA classified samples into four main groups on the basis of the measured parameters.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».