Phytochemical Characterization of By-Products of Habanero Pepper Grown in Two Different Types of Soils from Yucatán, Mexico
Notice bibliographique
Résumé
By-products of edible plants may contain potentially useful phytochemicals. Herein, we valorized the by-products of Capsicum chinense by phytochemical characterization of its leaves, peduncles and stems. Plants of habanero pepper were grown in a greenhouse, in polyethylene bags with two soils that were named according to the Maya classification as: K’ankab lu’um (red soil) and Box lu’um (black soil). Habanero pepper by-products were dried using an oven, the extracts were obtained by Ultrasound Assisted Extraction, and phytochemical quantification in all the extracts was conducted by Ultra Performance Liquid Chromatography coupled to Diode Array Detector (UPLC-DAD). Differences in the phytochemical content were observed according to the by-product and soil used. Catechin and rutin showed the highest concentrations in the peduncles of plants grown in both soils. The leaves of plants grown in black soil were rich in myricetin, β-carotene, and vitamin E, and the stems showed the highest protocatechuic acid content. While the leaves of plants grown in red soil were rich in myricetin and vitamin C, the stems showed the highest chlorogenic acid content. This novel information regarding the phytochemical composition of the by-products of C. chinense may be relevant in supporting their potential application 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 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 ».