Use of Amazon Fruits Barks as Source of Nutrients
Notice bibliographique
Résumé
The barks of fruits are usually discarded as organic waste; a valuable source of nutrients is obtained are used as a starting source in the preparation of functional foods. In this work, the physicochemical properties (pH, titrable acidity and soluble solids), mineral and bromatological analysis of nine Amazonian fruits were studied: abiu, acerola, araçá, bacupari, biribá, camu-camu, fruta-do-conde, araçá and taperebá. The most acidic values stand out for the different fruits, with the exception of the abiu bark (pH = 4.7). As for its nutritional contribution, it was the araçá barks that presented the highest energy value of 276.29 Kcal 100 g-1. Among the macrominerals, the potassium concentration stands out, being the highest concentration for the graviola bark, 521.04 mg 100 g-1 followed by magnesium, where the concentration in the biribá was 64.21 mg 100 g-1. On the other hand, the husks are rich in micronutrients, highlighting the concentration of zinc in the bark of araçá, 12.23 mg 100 g-1 and manganese in the bark of abiu, 6.84 mg 100 g-1. The Pearson correlation coefficient presented a highly significant correlation for Fe-Al (0.96), P-Fe (0.94) and Fe-Zn (0.89). O bligpot of principal components (PCA) explains 56% of the cases, being the minerals Mg, Na, Co, K, S and Ca highly associated for the graviola and bacuparí.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 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 ».