Optimization of an ultrasound‐assisted extraction method to obtain gallic acid‐rich extracts from mango seed kernels
Notice bibliographique
Résumé
Gallic acid is a widely recognized bioactive compound that falls under the category of secondary polyphenolic metabolites and is fairly found in mango fruit waste, specifically in mango seed kernel (MSK). This study aimed to adopt a green extraction approach to extract this valuable compound via ultrasound-assisted extraction (UAE) without using organic solvents but only water to obtain hazard-free extracts, and the cost of extraction can be minimal. pH (2-8), solvent ratio (20-60 mL/g), temperature (30-60°C) and time (30-60 min) of extraction were the independent variables used for extraction optimization. Single-factor experiments to obtain working ranges for selected extraction variables were carried out. A central composite design using response surface methodology was used to determine the optimum condition to obtain the maximum yield of gallic acid from MSK. The optimized extraction conditions were 3.9 pH, 36.25 mL/g solvent ratio, and 39.4°C of extraction temperature for 21.3 min. As a result, the optimized yield was 5.76 ± 0.41 mg/g, which was comparably equal to and/or better than the other solvent extraction systems. The results showed that gallic acid could efficiently be extracted via UAE under these optimal conditions. It is safer than extraction systems involving hazardous solvents that can be feasibly used for its nutraceutical and therapeutic 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.
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) | 0,001 | 0,001 |
| 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 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 ».