Optimization of ultrasound‐assisted extraction of bioactive compounds from <scp><i>B. forficata</i></scp> subsp. <scp><i>Pruinosa</i></scp>
Notice bibliographique
Résumé
Abstract Extracts containing bioactive compounds were obtained from Bauhinia forficata leaves by ultrasound‐assisted extraction (UAE) with three different solvents (n‐hexane, ethyl acetate, and ethanol) and were compared with those obtained by a conventional method (maceration). Box‐Behnken experimental design was applied to examine and optimize the effect of the extraction temperature (40°C‐60°C), power (20%‐80%), and sample to solvent ratio (1:10 to 1:20 (w/v)) on the total phenolic content (TPC), total flavonoid content (TFC), and the ferric reducing antioxidant power (FRAP) of B. forficata leaf extracts. This experimental design generated second‐order polynomial models, which accurately describe the experimental data, allowing the prediction of optimal conditions for the investigated responses. Optimal extraction was achieved under the following conditions: 80% power, temperature of 41°C, and a 1:20 sample to solvent ratio. Under these conditions, the experimental yield was 8.33 ± 0.32%, total phenolic content was 59.47 ± 0.71 mg GAE · gextract−1, total flavonoid content was 62.30 ± 3.38 mg QE · gextract−1, and the ferric reducing antioxidant power was 726.7 ± 15.7 μmol Fe(II)EQ · gextract−1, which were close to the predicted values, which validated the models. The major compounds found in B. forficata extracts were tocopherols, phytol, heneicosane, and β‐Sitosterol.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».