<i>Camelina sativa</i>Composition, Attributes, and Applications: A Review
Notice bibliographique
Résumé
Abstract Camelina sativaseeds are rich in oil (30–49%) and protein (24–31%). They contain ω‐3 acids, ω‐6 acids, tocopherols, phytosterols, and phenolic compounds, among others. From an agricultural perspective, growing of this crop is of interest due to its short growth cycle and low fertilizer and water input requirements. Camelina is also tolerant to cold and drought and is consequently well adapted to grow in semiarid regions. Camelina is mainly cultivated for its oil in Europe and North America. In this review, the processes applied for camelina oil extraction, composition, and attributes, as well as the food and nonfood applications of camelina oil are reviewed. Applications include animal feed, functional foods, materials, biofuels, and agrochemicals. Valorization of the camelina protein found in the meal after the oil extraction is also discussed. Practical Applications: The need to develop an integrated process consisting of a degumming step to extract the mucilage from the whole camelina seeds, followed by an oil extraction step, and finally by a protein extraction step is highlighted. There is also a need to develop food applications of camelina oil. More research works should also focus on the utilization of camelina oil in food applications and in specialty applications such as functional foods, nutraceuticals, cosmetics, and pharmaceutical applications.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».