Research on Concentration of Ginsenoside in Different Medical Parts of Panax quinquefolium by HPLC-MS~n
Notice bibliographique
Résumé
Objective: High-performance liquid chromatography array mass spectrometry(HPLC-MS) method was developed for determination of the concentration of 10 different ginsenosides of different medical parts of Panax quinquefolium,which collected from original habitat in Ontario of Canada.Method: Sample solution was separated on a DIKMA diamonsil(4.6 mm × 250 mm,5 μm).Acetonitrile-0.05% phosphoric acid aqueous solution and acetonitrile-0.05% acetic acid aqueous solution were used as mobile phase and the flow rate through the HPLC column was 0.3 mL.min-1 and the entire effluent was directed to the mass spectrometer.The column temperature was kept at 35 ℃ and the UV detection wavelength was set at 203 nm.MS analysis was monitored in positive mode.The conditions of ESI source were as follows: sheath gas flow rate,10 L.min-1;sweep gas flow rate,10 L.min-1;spray voltage,4.5 kV;capillary temperature,320 ℃;capillary voltage 30 V.Result: All calibration curves showed good linearity(r 0.999) within the test ranges.The average recovery of the method was between 95% and 102%,RSD 2.68%.The concentration of single ginsenoside of root,stem and leaf was quite different;that of Re and Rb1 of root and that of Rb2 and Rb3 of leaf was higher than others;that of stem was lower than that of root and leaf,moreover that of some samples of leaf was higher than that of root.Conclusion: The method is simple,accurate,replicate and suitable for the determination of P.quinquefolium.It is suggested that the leaf of P.quinquefolium can be used a new resource of ginsenoside.
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 ».