MétaCan
Menu
Retour à la cohorte
Enregistrement W2164471504 · doi:10.1021/jf404263k

Quantification of Individual Phenolic Compounds’ Contribution to Antioxidant Capacity in Apple: A Novel Analytical Tool Based on Liquid Chromatography with Diode Array, Electrochemical, and Charged Aerosol Detection

2013· article· en· W2164471504 sur OpenAlexaff
Merichel Plaza, James K. Kariuki, Charlotta Turner

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2013
Typearticle
Langueen
DomaineMedicine
ThématiquePhytochemicals and Antioxidant Activities
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésChlorogenic acidChemistryChromatographyFlavonolsProtocatechuic acidHigh-performance liquid chromatographyQuercetinAntioxidantPhenolic acidHyperosideChromatography detectorCatechinPolyphenolOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Phenolics, particularly from apples, hold great interest because of their antioxidant properties. In the present study, the total antioxidant capacity of different apple extracts obtained by pressurized hot water extraction (PHWE) was determined by cyclic voltammetry (CV), which was compared with the conventional antioxidant assays. To measure the antioxidant capacity of individual antioxidants present in apple extracts, a novel method was developed based on high-performance liquid chromatography (HPLC) with photodiode array (DAD), electrochemical (ECD), and charged aerosol (CAD) detection. HPLC-DAD-ECD-CAD enabled rapid, qualitative, and quantitative determination of antioxidants in the apple extracts. The main advantage of using CAD was that this detector enabled quantification of a large number of phenolics using only a few standards. The results showed that phenolic acids and flavonols were mainly responsible for the total antioxidant capacity of apple extracts. In addition, protocatechuic acid, chlorogenic acid, hyperoside, an unidentified phenolic acid, and a quercetin derivative presented the highest antioxidant capacities.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,014
Tête enseignante GPT0,209
Écart entre enseignants0,195 · 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

Citations51
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetPhytochemicals and Antioxidant ActivitiesTravaux en français237 207