MétaCan
Menu
Retour à la cohorte
Enregistrement W2974315187 · doi:10.5539/jfr.v8n6p1

Effect of Extraction Conditions for Recovery of Chlorogenic Acid and Flavonoids from Wet Cider Apple Pomace under Subcritical Water

2019· article· en· W2974315187 sur OpenAlexvenueno aff
Salis Ibrahim, Regina Consolação dos Santos, Steve Bowra

Notice bibliographique

RevueJournal of Food Research · 2019
Typearticle
Langueen
DomaineMedicine
ThématiquePhytochemicals and Antioxidant Activities
Établissements canadiensnon disponible
Organismes subventionnairesGhana Education Trust Fund
Mots-clésChlorogenic acidChemistryPomacePolyphenolChromatographyFurfuralExtraction (chemistry)High-performance liquid chromatographySolventProtocatechuic acidHydrolysisYield (engineering)Food scienceOrganic chemistryCatalysisAntioxidantMaterials science

Résumé

récupéré en direct d'OpenAlex

Industrial wet cider apple pomace was subjected to subcritical water mediated hydrolysis in a batch reactor with varying experimental conditions such as solid-to- solvent ratio (1-8 % w/v), temperature (100- 200 oC) and a residency time (10-30 min) to understand the effects of the experimental conditions on overall recovery of polyphenolic compounds. Chlorogenic acid and some flavonoids were identified and quantified by high performance liquid chromatography (HPLC-DAD). Higher yields of chlorogenic acid and the flavonoids were obtained between 100- 150 oC for residence time of 20 minutes. Solid-to solvent ratio and temperature played a significant role in the recovery of the polyphenolic compounds (p< 0.05). The results demonstrated that, residence time at a fixed extraction condition was less significant (p> 0.05). However, it was significant for yield of degradation compounds such as protocatechuic aldehyde, 5- HMF and furfural. Subcritical water selectively influenced the chemical structure of the polyphenolic compounds.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 GPT0,386
Écart entre enseignants0,351 · 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'étudeExpérimental (laboratoire)
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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetPhytochemicals and Antioxidant ActivitiesTravaux en français237 207