Optimization of Gallic Acid-Rich Extract from Mango (Mangifera indica) Seed Kernels through Ultrasound-Assisted Extraction
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Different types of agro-waste provide potential substrates for the extraction of bioactive compounds. Mango waste (e.g., peels and seeds) is one such example and may serve as a source of gallic acid, a well-known bioactive compound classified as a secondary polyphenolic metabolite. Here, we explored the efficacy of ultrasound-assisted extraction (UAE) in extracting gallic acid from mango seed kernels using different solvent concentrations (0–60%), solvent-to-sample ratios (10–50 mL/g), temperatures (30–60 °C), and times (10–30 min). The maximum yield of gallic acid (6.1 ± 0.09 mg/g) was obtained when using a 19.4% solvent concentration, a 29.32 mL/g solvent-to-sample ratio, and the extraction was conducted at 38.47 °C for 21.4 min, similar to the values predicted by the model equation. As compared to the conventional extraction procedure, the extract obtained by the optimized method was found to be significantly different in total phenolic content, total flavonoid content, and radical scavenging activity. Non-significant differences were observed in antimicrobial activity. The results indicate that mango seed kernels may be a good source of phenolics, and those phenolics can be effectively obtained through an optimized UAE method. Hence, mango seed kernels may be utilized as a suitable source of extracting phenolics in nutraceutical and food applications.
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.
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 | 0,001 |
| 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 découle