MétaCan
Menu
Retour à la cohorte
Enregistrement W3209927717 · doi:10.1080/10942912.2021.1990943

Phenolic compounds and <i>in vitro</i> antioxidant activity of <i>Moringa stenopetala</i> grown in South Ethiopia

2021· article· en· W3209927717 sur OpenAlexaff
Engeda Dessalegn, H.P. Vasantha Rupasinghe

Notice bibliographique

RevueInternational Journal of Food Properties · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMoringa oleifera research and applications
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésGallic acidChemistryMoringaSyringic acidDPPHRutinChlorogenic acidFood scienceAntioxidantCatechinHigh-performance liquid chromatographyFlavonoidPolyphenolChromatographyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Moringa stenopetala is a traditional medicinal and nutritional plant in Ethiopia. The aim of this work was to carry out a chemical analysis focusing on secondary metabolites, particularly phenolic compounds, and antioxidant activity of aqueous and methanol extracts of Moringa stenopetala leaf. The phenolic compounds were analyzed by high-performance liquid chromatography diode array detector (HPLC-DAD). Hydroxycinnamic acid (538 ± 6 µg/g), 3-Hydroxbenzoic acid (31 ± 6 µg/g), and quercetin-3-O-rutinoside (1155 ± 65 µg/g) were the major components in methanol extract. Whereas, syringic (84 ± 13 µg/g), chlorogenic (165 ± 19 µg/g), succinnic (1811 ± 105 µg/g), and fumaric (1582 ± 65 µg/g) acids were the major organic acids in the aqueous extract. Methanol extract had higher total flavonoid (11 ± 2 mg of catechin equivalent per gram of dried extract) and total phenolic (39 ± 3 mg of gallic acid equivalent per gram of dried extract) contents. This extract showed stronger DPPH scavenging (EC50 = 78 ± 6 μg/mL) and ferrous chelating (EC50 = 239 ± 12 μg/mL) activities. Due to the abundance sources of bioactive compounds and antioxidant activity, the dried leaf of M. stenopetala could be used for the development of nutraceuticals or incorporated into functional foods.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,250
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Food PropertiesMême sujetMoringa oleifera research and applicationsTravaux en français237 207