Comparative phytochemical profiling of different soybean ( Glycine max (L.) Merr) genotypes using GC–MS
Notice bibliographique
Résumé
(L.) Merr) genotypes to explore their nutritional and medicinal values. Crude protein composition ranged between 35.63 and 43.13% in Argentinian and USA (Clark) genotypes, respectively. Total phenolic content varied from 1.15 to 1.77 mg GAE/g, whereas flavonoids varied from 0.68 to 2.13 mg QE/g. The GC-MS analysis resulted identification of 88 compounds categorized into aldehydes (5), ketones (13), alcohols (5), carboxylic acids (7), esters (13), alkanes (2), heterocyclic compounds (19), phenolic compound (9), sugar moiety (7) ether (4) and amide (3), one Alkene and one fatty acid ester. Indonesian genotypes (Ijen and Indo-1) had the highest phenolic compounds than others genotype having antioxidant activities, while the Australian genotype contains the maximum in esters compounds. The major phytocompounds identified in majority of genotypes were Phenol, 2,6-dimethoxy-, 2-Methoxy-4-vinylphenol, 3,5-Dimethoxyacetophenone, 1,2-cyclopentanedione and Hexadecanoic acid, methyl ester. The presence of phytochemicals with strong pharmacological actions like antimicrobial and antioxidants activities could be considered as sources of quality raw materials for food and pharmaceutical industries. This study further set a platform for isolating and understanding the characteristics of each compound for it pharmacological properties.
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) | 0,000 | 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 ».