Distribution of cereal phytochemicals and micronutrients in whole grains: A review of nutraceutical, industrial, and agricultural implications
Notice bibliographique
Résumé
Abstract Background and Objectives There is mounting evidence that whole cereal grains are a source of many micronutrients and phytochemicals that confer several health benefits. This work aimed to investigate the distribution patterns and related implications of selected bioactive compounds from various cereal grains and discuss the techniques used to study their distribution. Findings Hand dissection and imaging techniques are the methods used to locate bioactive compounds in whole grains with high accuracy. Pearling and milling are methods of industrial importance. Phenolic compounds are concentrated in cereal bran, whereas the germ is rich in carotenoids and tocols (particularly tocopherols). Knowing the distribution pattern of compounds allows a better understanding of their bioaccessibility and associated bioactivity, as well as developing means to recover them and enhance their occurrence in the aleurone layer. Conclusions Gradient patterns exist in the distribution of phytochemicals and micronutrients derived from cereal grains. This knowledge can be translated into a number of purposeful and practical applications. Significance and Novelty This study employed a comparative approach to examine the repartition of various compounds in whole grains of assorted cereals with an emphasis on minor crops. The implications are relatable and applicable in diverse sectors to ultimately improve the well‐being of cereal consumers.
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) | 0,001 | 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 ».