Changes in the Content and α-Glucosidase Inhibition Efficiency of Active Substance in Mulberry Leaves during Natural Fermentation
Notice bibliographique
Résumé
Since mulberry leaves are rich in alpha-glucosidase inhibiting ingredients, they have been widely used in the treatment of diabetes since ancient times. Microbial fermentation is an effective way to increase the content and efficacy of active ingredients in medicinal plants. In this paper, the beneficial endophytic bacteria in fresh mulberry leaves were used for solid state fermentation, and the effects of fermentation on flavonoid content and α-glucosidase inhibition in fresh mulberry were investigated. The results showed that the polysaccharide content of fresh mulberry leaves decreased rapidly during natural fermentation. The content of flavonoids in mulberry leaves decreased first and then increased. After 10 days of fermentation, the flavonoid content in mulberry leaves was 3.858±0.193mg/g dried ML, which was 2.14 times that of MLF in unfermented mulberry leaves. The alkaloid content increased significantly, reaching the highest value of 12.407±0.993 mg/g dried ML on day 8 of fermentation, which was about 2.5-folds higher than that of unfermented mulberry leaves. The inhibitory rate of the mulberry leaf extract (MLE8) fermented for 8 d was higher than that of the unfernented fresh mulberry extract (MLEU) when compared with that of α-glucosidase. At the concentration of 0.05mg/ml, the inhibitory rate of α-glucosidase from MLF-F8 increased to 82.7±4.15%while that from MLF-UF was only 66.8±3.34%.At the concentration of 5 μg/ml, the α-glucosidase inhibitory rate of MLA-F8 was 87.5±6.55%, while MLA-UF was only 71.4±5.57%.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».