MétaCan
Menu
Retour à la cohorte
Enregistrement W2941957993 · doi:10.5267/j.ccl.2019.4.002

Amino acid profiles and anti-nutritional contents of traditionally consumed six wild vegetables

2019· article· en· W2941957993 sur OpenAlexvenueno aff
Hwiyang Narzary, Sanjay Basumatary

Notice bibliographique

RevueCurrent Chemistry Letters · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Quality and Safety Studies
Établissements canadiensnon disponible
Organismes subventionnairesCentre for DNA Fingerprinting and DiagnosticsUniversity Grants Commission
Mots-clésChemistryAmino acidFood scienceStereochemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

The present study was designed to evaluate the amino acid profiles and anti-nutritional contents of six wild vegetables viz.Cardamine hirsuta, Melothria perpusilla, Cryptolepis sinensis, Persicaria chinensis, Lippia javanica and Polygonum perfoliatum from Assam, India.The total amino acid detected was found the highest in P. chinensis as 25.92 mg/g dry weight (DW) followed by P. perfoliatum (19.68 mg/g DW) and M. perpusilla (14.57mg/g DW), and the lowest amino acid was observed in L. javanica (0.62 mg/g DW).However, the highest nonessential amino acids (NEAA) were detected in P. perfoliatum (3.89 mg/g DW).Among the NEAA, aspartic acid and glutamic acid were detected in all the six plant species which ranged from 0.01 to 0.33 mg/g DW and 0.02 to o.75 mg/g DW, respectively.In this study, the highest concentration of essential amino acids (EAA) was detected in C. hirsuta (1.72 mg/g DW) followed by M. perpusilla (0.95 mg/g DW) and P. chinensis (0.67 mg/g DW).Besides EAA and NEAA, some other amino acids such as phosphoserine, OH-proline, amino adipic acid, phosphoenolamine, and taurine are the most common which were detected.In the study, variable amounts of anti-nutritional contents were found and discussed herein.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,229
Écart entre enseignants0,194 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Chemistry LettersMême sujetFood Quality and Safety StudiesTravaux en français237 207