Exploring the Bioactive Compounds in Some Apple Vinegar Samples and Their Biological Activities
Notice bibliographique
Résumé
Apple vinegar is highly recommended for nutrition due to its health benefits and bioactive components. However, the apple cultivar greatly influences the quality of the vinegar. In this research, our focus was on examining the impact of four different apple cultivars on the physicochemical attributes, chemical composition, as well as biological properties—including antidepressant and anti-inflammatory activities—of vinegar. Interestingly, the physicochemical properties of vinegar and the contents of acetic acid and polyphenols depend on the apple cultivars. HPLC chromatographic analysis showed that citric acid (820.62–193.63 mg/100 g) and gallic acid (285.70–54.40 µg/g) were mostly abundant in the vinegar samples. The in vivo results showed that administration of Golden Delicious apple vinegar (10 mL/kg) to adult Wistar rats reduced carrageenan-induced inflammation by 37.50%. The same vinegar sample exhibited a significant antidepressant effect by reducing the rats’ immobility time by 31.07% in the forced swimming test. Due to its high acidity, Golden Delicious vinegar was found to be more effective against bacteria, particularly Bacillus subtilis and Candida albicans, resulting in a MIC value of 31.81 mg/mL. Furthermore, the antioxidant activity of various vinegar samples was found to be powerful, displaying optimal values of IC50 = 65.20 mg/mL, 85.83%, and 26.45 AAE/g in the DPPH, β-carotene decolorization and TAC assays, respectively. In conclusion, the apple cultivars used in this study impact the chemical composition and biological activities of vinegar, which may help demonstrate the importance of raw material selection for the production of vinegar.
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 ».