MétaCan
Menu
Retour à la cohorte
Enregistrement W2074470389 · doi:10.5740/jaoacint.11-415

Quantification of Chlorogenic Acid and Hyperoside Directly from Crude Blueberry (Vaccinium angustifolium) Leaf Extract by NMR Spectroscopy Analysis: Single-Laboratory Validation

2012· article· en· W2074470389 sur OpenAlexaff
Joshua M Hicks, Muhammad Asim, Jonathan Ferrier, Ammar Saleem, Alain Cuerrier, John T. Arnason, Kimberly L. Colson

Notice bibliographique

RevueJournal of AOAC International · 2012
Typearticle
Langueen
DomaineMedicine
ThématiquePhytochemicals and Antioxidant Activities
Établissements canadiensEspace pour la vieUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésHyperosideChlorogenic acidChromatographyChemistryNuclear magnetic resonance spectroscopyHigh-performance liquid chromatographySpectroscopyQuercetinStereochemistryOrganic chemistryAntioxidant

Résumé

récupéré en direct d'OpenAlex

A single-laboratory-validated NMR spectroscopy method was established for determining the quantity of chlorogenic acid and hyperoside from crude extract material of blueberry leaves of the species Vaccinium angustifolium var. laevifolium House. The calibration curve of chlorogenic acid showed a highly linear regression, R = 0.99998. NMR spectroscopy identification and quantification of the constituents directly from the mixture, within the error of HPLC-diode array detector analysis, were determined as 7.53 mM chlorogenic acid (64.0 mg chlorogenic acid/g powdered leaf) and 0.77 mM hyperoside (8.58 mg hyperoside/g powdered leaf). The LOD was calculated to be 0.01 mM and the LOQ 0.01 mM by the 9 min and 13 s NMR spectroscopy experiment utilized. The assay showed no significant interference from different field strengths, extraction mesh size, gravimetric scale precision, NMR spectroscopy tube type, pulse program, amount of starting dry material, or day-to-day operation. The robustness of NMR spectroscopy as a means of definitively monitoring chlorogenic acid and hyperoside content directly from crude extracts was demonstrated by Youden statistical analysis.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,002
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,280
Écart entre enseignants0,261 · 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

Citations26
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of AOAC InternationalMême sujetPhytochemicals and Antioxidant ActivitiesTravaux en français237 207