Minor Constituents in Canola Oil Processed by Traditional and Minimal Refining Methods
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The minimal refining method described in the present study made it possible to neutralize crude canola oil with Ca(OH) 2 , MgO, and Na 2 SiO 3 as alternatives to NaOH. After citric acid degumming, about 98 % of the phosphorous content was removed from crude oil. The free fatty acid content after minimal neutralization with Ca(OH) 2 decreased from 0.50 to 0.03 %. Other quality parameters, such as peroxide value, anisidine value, and chlorophyll content, after traditional and minimal neutralization were within industrial acceptable levels. The use of Trisyl silica and Magnesol R60 made it feasible to remove the hot‐water washing step and decreased the amount of residual soap to <10 mg/kg oil. There were no significant changes in chemical characteristics of canola oil after using wet and dry bleaching methods. During traditional neutralization, the total tocopherol loss was 19.6 %, while minimal refining with Ca(OH) 2 , MgO, and Na 2 SiO 3 resulted in 7.0, 2.6, and 0.9 % reductions in total tocopherols. Traditional refining removed 23.6 % of total free sterols, while after minimal refining free sterols content did not change. Both traditional and minimal refining resulted in almost complete removal of polyphenols from canola oil. Total phytosterols and tocopherols in two cold‐pressed canola oils were 774 and 836 mg/100 g, and 366 and 354 mg/kg, respectively. The minimal refining method described in the present study was a new practical approach to remove undesirable components from crude canola oil meeting commercial refining standards while preserving more healthy minor components.
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.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle