Analytical Strategies to Analyze the Oxidation Products of Phytosterols, and Formulation-Based Approaches to Reduce Their Generation
Notice bibliographique
Résumé
Phytosterols are a class of lipid molecules present in plants that are structurally similar to cholesterol and have been widely utilized as cholesterol-lowering agents. However, the susceptibility of phytosterols to oxidation has led to concerns regarding their safety and tolerability. Phytosterol oxidation products (POPs) present in a variety of enriched and non-enriched foods can show pro-atherogenic and pro-inflammatory properties. Therefore, it is crucial to screen and analyze various phytosterol-containing products for the presence of POPs and ultimately design or modify phytosterols in such a way that prevents the generation of POPs and yet maintains their pharmacological activity. The main approaches for the analysis of POPs include the use of mass spectrometry (MS) linked to a suitable separation technique, notably gas chromatography (GC). However, liquid chromatography (LC)-MS has the potential to simplify the analysis due to the elimination of any derivatization step, usually required for GC-MS. To reduce the transformation of phytosterols to their oxidized counterparts, formulation strategies can theoretically be adopted, including the use of microemulsions, microcapsules, micelles, nanoparticles, and liposomes. In addition, co-formulation with antioxidants, such as tocopherols, may prove useful in substantially preventing POP generation. The main objectives of this review article are to evaluate the various analytical strategies that have been adopted for analyzing them. In addition, formulation approaches that can prevent the generation of these oxidation products are proposed.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».