Effect of processing on the preservation of bioactive compounds in traditional and exotic fruits: a review
Notice bibliographique
Résumé
Bioactives are natural substances that may function as antioxidant, anti-inflammatory, antimicrobial, and anticarcinogenic agents. They include phenolic compounds, carotenoids, and vitamins that can exert health-promoting effects. Conventional fruit processing (e.g., heat treatment) can negatively affect the content and possibly the integrity of bioactives in the source material. Meanwhile, non-conventional techniques, such as high pressure processing and pulsed electric field, may increase the extractability of bioactives from the food matrix and enhance their availability for intestinal absorption. Although berries are usually perceived as outstanding sources of antioxidants, other conventional fruits also stand out, such as apple, banana, grape, mango, and orange. Nevertheless, exotic fruits, such as Buriti, mamey, açaí, pitanga, camapu, and tucumã are less frequently consumed, even though they can provide relevant bioactives. Additionally, fruit processing generates by-products containing high-value bioactives that can re-enter the industry cycle while minimizing the quantity of waste generated. Future studies should further examine the potential of exotic fruits using their discarded portions. Thus, identifying the best techniques for their use and maximum phytochemical extraction would be essential to reducing their environmental impact. Additionally, novel functional foods and nutraceuticals can be obtained by exploring the bioactive potential of these feedstocks and their processing discards.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».