Valorization of Heat-Treated Brewers' Spent Grain Through the Identification of Bioactive Phenolics by UPLC-PDA and Evaluation of Their Antioxidant Activities
Notice bibliographique
Résumé
Thermal processing not only disrupts cell membranes and cell walls, but also cleaves covalent bonds releasing low molecular phenolic. This study examined the impact of various heat treatments (100, 140, and 160°C) on the composition of phenolic acids and antioxidant activities in extracts obtained from defatted brewers spent grain (BSG) meal. Heating BSG at 160°C resulted in a 2-fold increase in total phenolic content [TPC, 172.98 ± 7.3 mg Gallic acid equivalent (GAE)/100 g defatted meal] and total flavonoid content [TFC, 16.15 ± 2.22 catechin equivalents (CE)/100 g defatted meal] compared to the untreated BSG extracts. The antioxidant activities of treated BSG extracts, determined by radical scavenging and ferric reducing antioxidant power (FRAP) were significantly ( p < 0.5) higher than the corresponding untreated BSG extracts. Eleven phenolic acids were identified and quantified in BSG extracts by Ultra Performance Liquid Chromatography with Photodiode Array (UPLC-PDA). The amounts varied significantly ( p < 0.05) depending on the degree of toasting BSG was subjected to. Chlorogenic acid, an ester of caffeic and quinic acid was the predominant phenolic acid present in all fractions. Significant ( p < 0.05) increases in TPC, TFC, individual phenolic acids and antioxidant activity were observed in BSG extracts exposed to increasing oven temperatures. These results confirm the ability of heat processing to release bioactive phenolic from their bound forms thereby enhancing the phenolic acids and the digestibility of BSG meal in the intestinal tract.
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 ».