MétaCan
Menu
Retour à la cohorte
Enregistrement W4395453690 · doi:10.3390/foods13091313

Screening and Characterization of Antioxidant Film Applicable to Walnut Kernels from Juglans sigillata

2024· article· en· W4395453690 sur OpenAlexaff
Ping Li, Yujia Zhang, Changwei Cao, Yaxi Luo, Huan Kan, Yun Liu

Notice bibliographique

RevueFoods · 2024
Typearticle
Langueen
DomaineNursing
ThématiqueNuts composition and effects
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésJuglansJuglandaceaeAntioxidantCharacterization (materials science)Traditional medicineBotanyChemistryBiologyMaterials scienceMedicineNanotechnologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Walnuts play a positive role in human health due to their large amounts of unsaturated fatty acids, whereas lipid oxidation can easily occur during storage. Herein, three natural antioxidants (epicatechin, sesamol, and myricetin) were added to the composite film cross-linked with chitosan and soy protein peptide, and the antioxidant film appropriate for the preservation of walnut kernels from Juglans sigillata was screened to improve the storage quality of walnuts. The results showed that three antioxidant films could all enhance the storage performance of walnut kernels, with sesamol being the best. The characterization of antioxidant film cross-linked with chitosan and soy protein peptide containing sesamol (C/S-ses film) revealed that the composite film improved the slow release and stability of sesamol; in addition, the presence of sesamol could effectively reduce the light transmittance and water vapor permeability of the composite film, together with significantly enhancing the antioxidant and antimicrobial activities, resulting in an effective prolongation of the storage period of walnut kernels. These findings indicated that C/S-ses possess excellent potential for retarding the oxidative rancidity of unsaturated fatty acids and will provide an effective strategy for the preservation of walnut kernels.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,001

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,259
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFoodsMême sujetNuts composition and effectsTravaux en français237 207