Influence of Boiling, Steaming and Frying of Selected Leafy Vegetables on the In Vitro Anti-inflammation Associated Biological Activities
Notice bibliographique
Résumé
The aim of the present study was to evaluate the effect of cooking (boiling, steaming, and frying) on anti-inflammation associated properties in vitro of six popularly consumed green leafy vegetables in Sri Lanka, namely: Centella asiatica, Cassia auriculata, Gymnema lactiferum, Olax zeylanica, Sesbania grnadiflora, and Passiflora edulis. The anti-inflammation associated properties of methanolic extracts of cooked leaves were evaluated using four in vitro biological assays, namely, hemolysis inhibition, proteinase inhibition, protein denaturation inhibition, and lipoxygenase inhibition. Results revealed that the frying of all the tested leafy vegetables had reduced the inhibition abilities of protein denaturation, hemolysis, proteinase, and lipoxygenase activities when compared with other food preparation methods. Steaming significantly increased the protein denaturation and hemolysis inhibition in O. zeylanica and P. edulis. Steaming of leaves increased inhibition activity of protein denaturation in G. lactiferum (by 44.8%) and P. edulis (by 44%); hemolysis in C. asiatica, C. auriculata, and S. grandiflora; lipoxygenase inhibition ability in P. edulis (by 50%), C. asiatica (by 400%), and C. auriculata leaves (by 250%); proteinase inhibition in C. auriculata (100%) when compared with that of raw leaves. In general, steaming and boiling in contrast to frying protect the health-promoting properties of the leafy vegetables.
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 | 0,000 | 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) | 0,001 | 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 ».