Phenolic Compounds and Antioxidant Activities of Skins and Seeds of Foreign and Iranian Grapes
Notice bibliographique
Résumé
Grape skins and seeds are sources of phenolic compounds that contribute to the sensory characteristics and beneficial bioactivity of wines and other processed foods. Grape seed and skin extracts from foreign, wild and Iranian cultivars were assayed for their antioxidant properties and phenolic compositions. Finally, the results were compared with those of Vitis vinifera cv. Muscat of Alexandria and V.labrusca. Among the skins of grape cultivars analyzed, those of Lalsiyah contained the highest amount of total phenolics (1067.5 mg 100g-1 gallic acid equivalent of fresh weight) and antiradical activities (0.79 m mol g-1 trolox equivalent of fresh weight). In contrast, Dedeskiramfi contained highest amount of seed total phenolics (2277.3 mg 100 g-1 GAE of fresh weight). The phenolic content of different grapes depends mainly on the grape skin color. The total phenolic content of W8 and W11 with white skins was significantly different from grapes with dark skins. Lalsiyah skin contained the highest amount of total flavonoid, total anthocyanins content, total procyanidin monomers and antiradical activity. Since, total phenolic content is an index of potent antioxidant capability; Lalsiyah will be good resource of antioxidant in food and pharmaceutical industries.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».