Study of the effect of the operating parameters on the separation of bioactive compounds of palm oil by ultra‐high performance supercritical fluid chromatography using a design of experiments approach
Notice bibliographique
Résumé
Abstract In this study, an analytical method based on Design of Experiments and response surface methodology for the separation of lycopene, beta‐carotene, coenzyme Q10, and lutein was developed by ultra‐high performance supercritical fluid chromatography technique. A Central Composite Design was used to evaluate the influence of temperature, pressure, and ethanol percentage on the retention and separation factors of these compounds. In the designed experiments, the temperature was varied between 25 and 50 °C (298 and 323 K), the pressure within the interval of 1500 and 2200 psi (10 and 15 MPa), and the ethanol percentage between 15 and 24 (v/v) %. Each variable was tested at 3 levels and 5 replicated central points were added. It was found for the studied system that the ethanol percentage and pressure were the parameters that most influenced the retention factors whereas the ethanol percentage, pressure, and temperature affected the separation factors. Quadratic models were necessary to describe the retention and separation of these compounds. Furthermore, interactions among the factors were observed, justifying the DOE approach used in this work. Considering the retention and separation factors, the selected operating conditions for further experiments were: 15.5 % of ethanol at 40 °C (313 K) and 1500 psi (10 MPa).
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».