Effect of Decreasing Saponin Levels to Nutrition of Extracted Moringa Leaf Powder
Notice bibliographique
Résumé
Moringa oleifera leaves have been used as food material because it has high nutritional value. Many research have been conducted on moringa leaves extract as functional food and the additional material of nutrient for some food products (biscuit, bread, jelly drink), which it looked that adding moringa leaves extract above 5% decrease the consumer acceptance level toward the product because of the strongest unpleasant aroma and bitter taste, which is caused by saponins content in moringa leaves extract is still high enough.This study aimed to obtain the optimal temperature and time of blanching process to reduce saponin level, and the appropriate solvents to extract nutrients from Moringa oleifera leaves so that Moringa leaves flour is obtained with no bitter taste (low saponin) and nutritious (water, protein, optimal vitamin C and vitamin A) as fortification ingredients for various food products. The results showed that the blanching treatment at 75 ° C for 5 minutes (T1W1) combined with 70% ethanol (P1) solvent was able to produce Moringa leaves flour with the lowest saponin content of 0.790%, but with nutrients that still met the requirements, namely water 6.508%, protein 28.705%, Vitamin C 90.77 mg 100 g-1 and Vitamin A 3590 µg 100 g-1.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».