Ultrasound-Assisted Aqueous Extraction of Biocompounds from Orange Byproduct: Experimental Kinetics and Modeling
Notice bibliographique
Résumé
Orange byproduct (flavedo and albedo) from juice extraction, was used as raw material for this study. Kinetics of total phenolic and total flavonoid contents and antioxidant activity was experimentally determined during both conventional (agitation at 80 rpm) and ultrasound assisted (at 520 and 790 W/L) aqueous extraction from orange byproduct at 5, 15, and 25 °C. An extraction mathematical model was also developed. Significant increase of biocompounds extraction yields was observed as temperature and acoustic power density increased. Ultrasound assistance allowed higher yields at lower temperatures and shorter times. Yields of total phenolic and total flavonoid contents and antioxidant activity obtained with ultrasound extraction (790 W/L, 25 °C, 3 min) were 29%, 39%, and 197% higher, respectively, than those obtained by conventional extraction. The extraction kinetics curves were properly represented by the Weibull model for both conventional and acoustic extraction (mean relative error lower than 5%). Naringin, neohesperidin, and hesperidin were the main phenolic compounds found in the extracts, followed by ferulic, sinapic, and cuomaric acids. Neohesperidin, hesperidin, coumaric acid, and sinapic acid presented the highest yields, especially when extraction was assisted by ultrasound. Meanwhile, naringin and ferulic acid were extracted in a lesser extent, most likely due to their lipophilic character.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».