MétaCan
Menu
Retour à la cohorte
Enregistrement W4295221693 · doi:10.1002/cjce.24653

Molecular distillation of copaiba oleoresin—A clean process for diterpenes enrichment

2022· article· en· W4295221693 sur OpenAlexvenueno aff
Cleyson de Souza Galúcio, Cibelem I. Benites, Rodney Alexandre Ferreira Rodrigues, Juliana O. Bahú, Nadia Gagliardi Khouri, Víktor Oswaldo Cárdenas Concha, Rubens Maciel Filho, Maria Regina Wolf Maciel

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSesquiterpenes and Asteraceae Studies
Établissements canadiensnon disponible
Organismes subventionnairesFundação de Amparo à Pesquisa do Estado do AmazonasConselho Nacional de Desenvolvimento Científico e TecnológicoCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésOleoresinChemistryDistillationResidue (chemistry)DiterpeneChromatographyStereochemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Copaiba oleoresin has sesquiterpenes and diterpenes with significant medicinal properties, including being antimicrobial, antiparasitic, and wound healing, among others. Thus, the objective of this work was to study the diterpene enrichment of the copaiba oleoresin from Copaifera officinalis via molecular distillation. Evaporator temperature (EVT) and feed flow rate ( Q ) were evaluated using an experimental design (2 2 with central point) considering the ratio of distillate and residue streams (DTR) as the response to optimize the residue recovery. EVT and Q were the main effects for diterpenes recovery, with the best experimental condition at 100°C (EVT) and 15 ml/min ( Q ) under 0.001 mbar, of which the residue stream had a diterpenes content of 99.25%. With the molecular distillation process, it was possible to add value to the copaiba streams, separating and purifying diterpenes with applicability in the biomedical and pharmaceutical industries since no solvent is used in this process (clean).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,072
Score d'incertitude au seuil0,238

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
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)0,0000,000

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 Opus0,007
Tête enseignante GPT0,225
Écart entre enseignants0,218 · 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 tête enseignante, 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetSesquiterpenes and Asteraceae StudiesTravaux en français237 207