Adulteration of Apple with Pear Juice: Emphasis on Major Carbohydrates, Proline, and Arbutin
Notice bibliographique
Résumé
Detection of juice-to-juice adulteration based on chemical composition studies is a common method used by government regulatory agencies and food companies. This study investigated the use of major carbohydrate (fructose, glucose and sucrose), polyol (sorbitol), proline, and phenolic profiles as indicators of pear adulteration of apple juice (PAAJ). For this work, a total of 105 authentic apple juice samples from 13 countries and 27 authentic pear juice samples from 5 countries were analyzed. Because the major carbohydrate ranges for these juices showed significant overlap their use as markers for PAAJ detection would be very limited. It was found that sorbitol and proline means for apple and pear were significantly different; however, their broad natural ranges would afford PAAJ at levels up to 30% without detection. In addition, careful selection of the pear juice used as the adulterant would further limit the usefulness of these markers for PAAJ detection. Arbutin was conclusively identified as a marker for pear juice on the basis of its presence in all 27 authentic pear samples and its absence (<0.5 microg/mL) in all 105 apple juice samples analyzed in this study. The application of the developed HPLC-PDA method for arbutin analysis to detect PAAJ at levels as low as 2% (v/v) was demonstrated. A confirmation method for the presence of arbutin in pure pear juice and apple adulterated with pear juice was introduced on the basis of the hydrolysis of arbutin to hydroquinone employing beta-glucosidase, with reactant and product monitoring by HPLC-PDA.
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 | 0,000 | 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 ».