MétaCan
Menu
Retour à la cohorte
Enregistrement W2730839706 · doi:10.1155/2017/1805047

Iron-Polyphenol Interaction Reduces Iron Bioavailability in Fortified Tea: Competing Complexation to Ensure Iron Bioavailability

2017· article· en· W2730839706 sur OpenAlexaff
Verónica Dueik, B. K. Chen, Levente L. Diósady

Notice bibliographique

RevueJournal of Food Quality · 2017
Typearticle
Langueen
DomaineChemistry
ThématiqueHeavy Metals in Plants
Établissements canadiensUniversity of Toronto
Organismes subventionnairesComisión Nacional de Investigación Científica y Tecnológica
Mots-clésBioavailabilityChemistryPolyphenolFortificationFood scienceFlavourMolar ratioBiochemistryAntioxidant

Résumé

récupéré en direct d'OpenAlex

Tea seems to be like a logical substrate for iron fortification; however, its fortification with iron presents technical challenges as tea polyphenols form a blue complex with iron that makes both of them unavailable for absorption. The objective of this work was to develop an effective technology, to prevent the interaction of iron and polyphenols by using EDTA as a competing complexing agent. Fortified tea was prepared from premix, prepared by spraying iron and sodium EDTA into tea leaves. Iron concentration in tea was adjusted to 5 mg/cup. Iron content was measured by AAS and the iron-polyphenol complex by spectrophotometry at 560 nm. Sensory evaluation was carried out in order to determine if fortification affects the properties of tea. A molar ratio of 1 : 2 Fe : EDTA was able to avoid complex formation and provide 4 mg of iron per cup of brewed tea. The fortified tea had a similar colour and flavour as ordinary tea, without the development of off-flavours. However, fortified tea with a ratio lower than 1 : 2 had a darker colour and off-flavours. By the addition of EDTA in a molar ratio ≥1 : 2, it is possible to produce an iron fortified tea without the formation of off-flavours.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,107
Tête enseignante GPT0,382
Écart entre enseignants0,275 · 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

Citations38
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food QualityMême sujetHeavy Metals in PlantsTravaux en français237 207