Phenolic composition of 91 Australian apple varieties: towards understanding their health attributes
Notice bibliographique
Résumé
INTRODUCTION: Apples, an important contributor to total dietary phenolic intake, are associated with cardiovascular health benefits. Determining the phenolic composition of apples, their individual variation across varieties, and the phenolic compounds present in plasma after apple consumption is integral to understanding the effects of apple phenolics on cardiovascular health. METHODS: Using liquid chromatography we quantified five important polyphenols and one phenolic acid with potential health benefits: quercetin glycosides, (-)-epicatechin, procyanidin B2, phloridzin, anthocyanins, and chlorogenic acid, in the skin and flesh of 19 apple varieties and 72 breeding selections from the Australian National Apple Breeding program. Furthermore, we measured the phenolic compounds in the plasma of 30 individuals post-consumption of an identified phenolic-rich apple, Cripp's Pink. RESULTS: Considerable variation in concentration of phenolic compounds was found between genotypes: quercetin (mean ± SD: 16.1 ± 5.9, range: 5.8-30.1 mg per 100 g); (-)-epicatechin (mean ± SD: 8.6 ± 5.8, range: 0.2-19.8 mg per 100 g); procyanidin B2 (mean ± SD: 11.5 ± 6.6, range: 0.5-26.5 mg per 100 g); phloridzin (mean ± SD: 1.1 ± 0.6, range: 0.3-4.3 mg per 100 g); anthocyanins (mean ± SD: 1.8 ± 4.4, range: 0-40.8 mg per 100 g); and chlorogenic acid (mean ± SD: 11.3 ± 9.9, range: 0.4-56.0 mg per 100 g). All phenolic compounds except chlorogenic acid were more concentrated in the skin compared with flesh. We observed a significant increase, with wide variation, in 14 phenolic compounds in plasma post-consumption of a phenolic-rich apple. CONCLUSION: This information makes an important contribution to understanding the potential health benefits of apples.
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 ».