Green Solvents in the Extraction of Bioactive Compounds from Dried Apple Cultivars
Notice bibliographique
Résumé
New extraction protocols, gas-expanded liquid extraction (GXLE), and ultrasound extraction (UE) have been optimized with an emphasis on using green solvents and maximizing the extraction of 14 selected phenolic compounds, including flavonoid-based compounds and phenolic acids from dried apples. The design of the experiments’ approach was applied to optimize the main extraction parameters. Fine tuning included optimization of the flow rate in GXLE and the extraction time for GXLE and UE. Optimized GXLE was carried out with CO2–ethanol–water (34/53.8/12.2; v/v/v) at a flow rate of 3 mL/min at a temperature of 75 °C and pressure of 120 bar for 30 min. UE with ethanol–water 26/74 (v/v) lasted for 10 min at 70 °C. Both methods differed in solvent consumption and sample throughput, while providing a comparable total phenolic content of 2442 µg/g with an RSD < 10% and 2226 µg/g with RSD < 6%, for GXLE and UE, respectively. Both methods were used in determining the phenolic compounds in five apple cultivars, ‘Angold’, ‘Artiga’, ‘Golden Delicious’, ‘Meteor’, and ‘Topaz’. Phenolic profiles were plotted with chlorogenic acid, catechin, epicatechin, hirsutrin, phloridzin, and guaiaverin as the main components. Statistical evaluation, including pair t-test, Bland–Altman test, and linear regression did not reveal any differences between UE and GXLE results.
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 | 0,000 | 0,000 |
| 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 ».