Characterization of the Lipid Soluble Fraction of Brewer';s Spent Grain
Notice bibliographique
Résumé
Background: Brewer’s spent grain (BSG) is an important by-product of the brewing process. It is suitable for food and biotechnological applications. The chemical composition of BSG varies depending on many factors. Little is known about low molecular weight extractives which can potentially be used as valuable phytochemicals with nutraceutical and pharmaceutical significance. Objective: The lipid fraction of BSG was characterized in order to evaluate its potential as a source of valuable chemicals and to find potential biomarkers of spoilage. Methods: The lyophilized biomass was extracted by accelerated solvent extraction. The extract was subjected to methylation and silylation. The lyophilized biomass was also subjected to mild alkaline saponification. The comparison of mass spectra obtained using the silylating agent N,O-bis- (trimethylsilyl) trifluoroacetamide and its deuterium-labelled form proved of special significance for structural identification. Results: The majority of fatty acids (~85%) were bound in lipids; free fatty acids accounted for ~15%. The fatty acid pattern revealed typical even-over-odd predominance. An array of 3-hydroxy and cyclopropanoic fatty acids which have not been reported in BSG thus far, along with cisvaccenic acid, are promising candidates for biomarkers of bacterial contamination of BSG. These compounds could be unambiguously identified by adduct formation using dimethyl disulfide. Sterol and fatty alcohol patterns were very similar to those of barley. A series of alkylresorcinols and hydroxyalkyl- methoxy benzenediols could be detected, which have not been known to occur in BSG up to now. Conclusions: Lipidic constituents in BSG contain valuable phytochemicals with nutraceutical and pharmaceutical significance. Certain lipidic surrogates might serve as biomarkers for bacterial and fungal contamination of brewer’s spent grain. Keywords: Brewer’s spent grain, lipid soluble fraction, saponification, solvent extraction, pre-chromatographic derivatization, GC/MS analysis, biomarkers.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».