Hydrodistillation Extraction Kinetics Regression Models for Essential Oil Yield and Composition in Juniperus virginiana, J. excelsa, and J. sabina
Notice bibliographique
Résumé
The chemical profile and antioxidant capacity of Juniperus virginiana, J. excelsa, and J. sabina essential oil (EO) fractions as a function of time was the subject of this study. The hypothesis was that, capturing EO in sequential timeframes during hydrodistillation would generate fractions containing unique compositions and antioxidant capacity. In J. virginiana, the highest limonene (43%) was found in the 0–5 min oil fraction, with safrole (37%) being highest in the 10–20 and 20–40 min fractions, and elemol (34%) being highest in the 160–240 min fraction. In J. excelsa, α-pinene (34-36%) was the highest in the 0–5 min fraction and in the control (non-stop 0–240 min distillation) oil, limonene (39%) was the highest in the 0–10 min fractions and cedrol (50-53%) was the highest in the 40–240 min fractions. In J. sabina, sabinene (80%) was highest in the 0–3 min fraction. The highest antioxidant capacity of J. virginiana was demonstrated by the 5–10 min fraction; the one in J. sabina by the 3–10 min fraction; and, the one in J. excelsa, by the control. The kinetics regression models that were developed can predict EO composition of the three juniper species eluted at different timeframes. Various industries could benefit from the results from this study.
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 ».