Essential Oil Composition, Antimicrobial Potential, Phytochemical Profile and Toxicity of Essential Oils and Crude Extracts of Sweet Basil Prior and After Flowering
Notice bibliographique
Résumé
International Journal of Biotechnology for Wellness Industries :: Volume 1 Number 1 :: Reviews Biotechnology for Wellness Industry: Concepts and Biofactories Mohamad R. Sarmidi and Hesham A. El Enshasy Cell-Based Assays in High-Throughput Screening for Drug Discovery Ru Zang, Ding Li, I-Ching Tang, Jufang Wang and Shang-Tian Yang Applications of Polyhydroxyalkanoates in the Medical Industry Christopher J. Brigham and Anthony J. Sinskey Research Papers Mass Spectrometry Imaging of the Capsaicin Localization in the Capsicum Fruits Shu Taira, Shuichi Shimma, Issey Osaka, Daisaku Kaneko, Yuko Ichiyanagi, Ryuzo Ikeda, Yasuko Konishi-Kawamura, Shu Zhu, Koichi Tsuneyama and Katsuko Komatsu Study of Corylus cornuta Twig Extracts: Antioxidant, Radical Scavenging, Anti-Enzymatic Activities and Cytotoxicity Mariana Royer and Tatjana Stevanovic Essential Oil Composition, Antimicrobial Potential, Phytochemical Profile and Toxicity of Essential Oils and Crude Extracts of Sweet Basil Prior and After Flowering Oumadevi Rangasamy, Mohamad Fawzi Mahomoodally, Anwar Hussein Subratty and Ameenah Gurib-Fakim Effect of Initial Sugar Concentration on the Production of L (+) Lactic Acid by Simultaneous Enzymatic Hydrolysis and Fermentation of an Agro-Industrial Waste Product of Pineapple (Ananas comosus) Using Lactobacillus casei Subspecies rhamnosus Carla Araya-Cloutier, Carolina Rojas-Garbanzo and Carmela Velázquez-Carrillo Short Communication Microbial Hydroxylation of Yohimbine Hanan G. Sary and Khaled Y. Orabi
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 | 0,001 |
| 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 ».