Optimisation of Organic Solvent Mediated Solubilisation of Apple Pomace Polyphenolic Compounds Using Response Surface Methodologies
Notice bibliographique
Résumé
Polyphenolic compounds extraction from industrial apple pomace was optimised by applying design of experiments (DoE) and surface response methodology using the Central Composite Rotatable Design (CCRD). The degree solubilisation and the yield of total phenolic content from the apple pomace using organic solvents was shown to be influenced by process parameters including solvent type, solvent concentration, temperature, apple pomace to solvent ratio, and extraction time (residency time). Optimal conditions of extracting phenolic compounds were as follows: acetone concentration, 65 % (v/v); solid to solvent ratio 1 %; extraction time 30 minutes and temperature 60oC. Optimum condition for solubilisation was as follows: acetone concentration 78 % (v/v); solid to solvent ratio 4.7 %; extraction time 54 minutes and temperature 21oC. Under these conditions, the total phenolic content and solubilisation were 21.70 ± 0.2 mg GAE/g dw and 19.20 ± 0.1g/100g of the dried apple pomace respectively and largely agreed with those predicted by the Stat-Ease software. Independent variables for optimisation of total phenolic content and solubilisation were completely different. The reverse phase HPLC analysis of the extract revealed the major polyphenolic compounds were chlorogenic acid, procyanidin B2, caffeic acid, epicatechin, ferulic acid, quercetin-3-galactoside, quercetin-3-glucoside and phloridzin.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».