Optimisation of extraction conditions for terpenoids in <i>Schizandra chinensis Baillon</i> using the response surface method
Notice bibliographique
Résumé
Abstract Terpenoids, which are the major volatile compounds of Schizandra chinensis Baillon (Omija), are the main component of phytoncide. The purpose of the present study was to provide more ways to utilise Omija by optimising terpenoid extraction. The response surface method (RSM) was used to maximise the levels of monoterpene, which has substantial physiological activity and sesquiterpene, which has strong impacts on flavour. Central composite design was used to optimise the extraction pressure (X1: 0.01‐0.1 Mpa), ethanol concentration (X2: 0%‐50%), and sample concentration (X3: 0.01‐0.2 g/mL). Analysis of variance showed that X1, X2 and X3 affected total terpenoid levels (Y1) and monoterpene levels (Y2), whereas only X1 and X3 significantly affected sesquiterpene content (Y3) (P < .05). The optimal conditions based on the individual responses were as follows: Y1 and Y2, X1 = 0.07 Mpa, X2 = 36% and X3 = 0.17 g/mL; Y3, X1 = 0.10 Mpa, X2 = 50% and X3 = 0.20 g/mL.
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 | 0,001 |
| 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 ».