LC‐MS/MS for simultaneous detection and quantification of Amadori compounds in tomato products and dry foods and factors affecting the formation and antioxidant activities
Notice bibliographique
Résumé
In order to establish an efficient detection method to evaluate the formation of Amadori compounds (ACs) in food products and study the potential health effects, an ultra-high performance liquid chromatography-tandem mass spectrometric (UPLC-MS/MS) method using caffeine as internal standard was developed to determine eight ACs. The detection limits ranged from 0.0179 to 0.0887 mg/L for the ACs. The accuracy of the method was tested through measuring recovery of the spiked samples that varied from 81.90 ± 2.98% to 108.74 ± 2.34%. This method was further applied to detect ACs in 10 food products. Results showed that dry fruits and vegetables were rich in ACs, the total content of ACs varied from 1.36 ± 0.26 to 3415.91 ± 147.96 mg/100 g. The total amount of ACs in tomato juice heated under vacuum condition showed significant increment (P < 0.05) in 25 min at 80 °C comparing with that under atmospheric pressure due to the rapid loss of water. Besides, the amino acid content shows positive correlation with the corresponding AC formation in Maillard reaction during food drying. After heated at fixed water activity (Aw) for 4 hr by sous-vide process, the ACs content in tomato powder increased significantly and the antioxidant activity improved as well. PRACTICAL APPLICATION: Results of this study provided a valuable tool to evaluate the formation of ACs in complex dry food products, facilitated the quality control of food products. The knowledge obtained will offer useful information to food processors. The synthesized ACs would facilitate further study into the antioxidant activities and potential health effects of specified AC.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».