Optimization of Bioactive Polyphenols Extraction from Picea Mariana Bark
Notice bibliographique
Résumé
Reported for its antioxidant, anti-inflammatory and non-toxicity properties, the hot water extract of Picea mariana bark was demonstrated to contain highly valuable bioactive polyphenols. In order to improve the recovery of these molecules, an optimization of the extraction was performed using water. Several extraction parameters were tested and extracts obtained analyzed both in terms of relative amounts of different phytochemical families and of individual molecules concentrations. As a result, low temperature (80 °C) and low ratio of bark/water (50 mg/mL) were determined to be the best parameters for an efficient polyphenol extraction and that especially for low molecular mass polyphenols. These were identified as stilbene monomers and derivatives, mainly stilbene glucoside isorhapontin (up to 12.0% of the dry extract), astringin (up to 4.6%), resveratrol (up to 0.3%), isorhapontigenin (up to 3.7%) and resveratrol glucoside piceid (up to 3.1%) which is here reported for the first time for Picea mariana. New stilbene derivatives, piceasides O and P were also characterized herein as new isorhapontin dimers. This study provides novel information about the optimal extraction of polyphenols from black spruce bark, especially for highly bioactive stilbenes including the trans-resveratrol.
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 ».