Agave angustifolia Haw. Leaves as a Potential Source of Bioactive Compounds: Extraction Optimization and Extract Characterization
Notice bibliographique
Résumé
The leaves of Agave angustifolia Haw. are the main agro-waste generated by the mezcal industry and are becoming an important source of bioactive compounds, such as phenolic compounds, that could be used in the food and pharmaceutical industries. Therefore, the extraction and identification of these phytochemicals would revalorize these leaf by-products. Herein, maceration and supercritical carbon dioxide (scCO2) extractions were optimized to maximize the phenolic and flavonoid contents and the antioxidant capacity of vegetal extracts of A. angustifolia Haw. In the maceration process, the optimal extraction condition was a water–ethanol mixture (63:37% v/v), which yielded a total phenolic and flavonoid content of 27.92 ± 0.90 mg EAG/g DL and 12.85 ± 0.53 µg QE/g DL, respectively, and an antioxidant capacity of 32.67 ± 0.91 (ABTS assay), 17.30 ± 0.36 (DPPH assay), and 13.92 ± 0.78 (FRAP assay) µM TE/g DL. Using supercritical extraction, the optimal conditions for polyphenol recovery were 60 °C, 320 bar, and 10% v/v. It was also observed that lower proportions of cosolvent decreased the polyphenol extraction more than pressure and temperature. In both optimized extracts, a total of 29 glycosylated flavonoid derivatives were identified using LC-ESI-QTof/MS. In addition, another eight novel compounds were identified in the supercritical extracts, showing the efficiency of the cosolvent for recovering new flavonoid derivatives.
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 ».