Identification and Quantitation of the Volatile Compounds Responsible for the Aroma of Pawpaw (Asimina triloba)
Notice bibliographique
Résumé
The aim of this study was to perform an exhaustive analysis of the aroma active compounds in pawpaw fruit using gas chromatography-olfactometry (GC-O) on capillary GC columns with a variety of extraction techniques such as solid phase microextraction (SPME) and solvent extraction. The volatile extracts were obtained using headspace solid phase micro-extraction (HS-SPME) for 30 min at two temperatures (23°C and 50°C), and by solvent extraction with dichloromethane. The extracts were analyzed using gas chromatography-mass spectrometry (GC-MS) and gas chromatography-olfactometry (GC-O). The SPME extraction at 50°C caused an increase in the levels of Strecker aldehydes (3-methyl butanal, methional, and phenylacetaldehyde). To eliminate potential artifacts, the study focused on SPME at 23°C and solvent extraction as the methods for characterization of the odor-active compounds in pawpaw. Forty-four odor active compounds were detected in the pawpaw fruit, including fifteen compounds that were identified in pawpaw for the first time. Some of the newly reported compounds, with high flavor dilution values include homofuraneol, eugenol, vanillin, acetaldehyde, diacetyl, gamma-octalactone and delta-octalactone. These high intensity odor active compounds, in combination with the many esters, contribute to give the sweet, creamy, mango, pineapple and banana-like character used to describe the flavor of pawpaw fruit. In addition, quantitation of these compounds was achieved in this study. These results provide new understanding into the volatile compounds responsible for the aroma of pawpaw fruit.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».