Effects of preheating and drying methods on pyridoxine, phenolic compounds, ginkgolic acids, and antioxidant capacity of <i>Ginkgo biloba</i> nuts
Notice bibliographique
Résumé
Abstract Although ginkgo nuts are very nutritious and loaded with numerous bioactive compounds, the nuts contain significant levels of unwanted compounds (ginkolic acids) which are toxic to consumption. To reduce or eliminate these toxic compounds without impacting the nutritional value and the bioactivity of the final product, an appropriate processing technology is needed. Thus, the effect of preheating (90 and 120°C) prior to drying (freeze drying: FD, hot air drying: HAD, and HAD in tandem with FD: HAD‐FD) was evaluated on ginkgolic acids, pyridoxine analogues, phenolic compounds, and antioxidant properties of ginkgo nuts. Our results pointed out a significant decrease (below 50%) of ginkgolic acids in ginkgo nuts samples processed at 90°C compared to the control. The major compounds found after treatments were respectively, kaempferol (36.66‐354.38 µg/g), quercetin (9.04‐183.71 µg/g), and caffeic acid (19.66‐106.88 µg/g). Principal component analysis (PCA) revealed that preheating at 90°C prior to HAD‐FD would be a proper and reasonable approach for preserving the bioactive compounds and antioxidant capacity of ginkgo nuts (EC 50 ranged from 2.25 to 4.60 mg/mL) while significantly reducing their content in toxic compounds.
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) | 0,001 | 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 | 0,001 |
| 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 ».