MétaCan
Menu
Retour à la cohorte
Enregistrement W2094706113 · doi:10.5539/jfr.v4n2p36

Rice Bran Oil Distillate, a Choice for Gamma-Oryzanol: Separation and Oxidative Stability Study

2014· article· en· W2094706113 sur OpenAlexvenueno aff
Swapnil G Jaiswal, Subhalaxmi Pradhan, Madhumita Patel, Malaya Kumar Naik, S.N. Naik

Notice bibliographique

RevueJournal of Food Research · 2014
Typearticle
Langueen
DomaineChemistry
ThématiqueEdible Oils Quality and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Food Processing Industries
Mots-clésRice bran oilChemistryBranDistillationFood scienceEdible oilRaw materialChromatographyYield (engineering)Organic chemistryMaterials science

Résumé

récupéré en direct d'OpenAlex

<p>Rice bran oil distillate is one among the secondary products produced during refining of rice bran oil. Rice bran oil distillate is a source of several micronutrients and natural antioxidants like Gamma-oryzanol, tocopherols etc. The aim of the present study was to separate Gamma-oryzanol from distillate and utilize it as a stabilizer for edible oil. In order to achieve this aim crystallization process was applied to obtain oryzanol rich concentrate. Further purification of oryzanol was achieved through column chromatography. Fractions of Gamma-oryzanol were quantified through HPLC which gives 0.83% yield. Separated Gamma-oryzanol was used to study the stability of pea nut and linseed oil using rancimat. The experiments were carried out in rancimat at varying temperature (110-130 ºC) and concentration (100-300 ppm). Stability of both the oil was found to be directly proportional to the Gamma-oryzanol concentration and inversely proportional to the temperature.</p>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,046
Score d'incertitude au seuil0,379

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,136
Tête enseignante GPT0,436
Écart entre enseignants0,299 · 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 tête enseignante, 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

Citations8
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetEdible Oils Quality and AnalysisTravaux en français237 207