MétaCan
Menu
Retour à la cohorte
Enregistrement W4401072333 · doi:10.3390/foods13152397

Extraction, Identification, and Quantification of Polyphenols from the Theobroma cacao L. Fruit: Yield vs. Environmental Friendliness

2024· review· en· W4401072333 sur OpenAlexafffund
Juan Manuel Silva, Fernanda Peyronel, Yinan Huang, Carlos E. Boschetti, Maria G. Corradini

Notice bibliographique

RevueFoods · 2024
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Chemistry and Fat Analysis
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaArrell Food Institute, University of GuelphConsejo Nacional de Investigaciones Científicas y TécnicasUniversity of Guelph
Mots-clésTheobromaPolyphenolYield (engineering)Extraction (chemistry)SterculiaceaeIdentification (biology)ChemistryHorticultureBotanyBiologyChromatographyOrganic chemistryAntioxidant

Résumé

récupéré en direct d'OpenAlex

The cacao fruit is a rich source of polyphenols, including flavonoids and phenolic acids, which possess significant health benefits. The accurate identification and quantification of these bioactive compounds extracted from different parts of the cacao fruit, such as pods, beans, nibs, and cacao shells, require specific treatment conditions and analytical techniques. This review presents a comprehensive comparison of extraction processes and analytical techniques used to identify and quantify polyphenols from various parts of the cacao fruit. Additionally, it highlights the environmental impact of these methods, exploring the challenges and opportunities in selecting and utilizing extraction, analytical, and impact assessment techniques, while considering polyphenols' yield. The review aims to provide a thorough overview of the current knowledge that can guide future decisions for those seeking to obtain polyphenols from different parts of the cacao fruit.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,048
Tête enseignante GPT0,286
Écart entre enseignants0,238 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations7
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFoodsMême sujetFood Chemistry and Fat AnalysisTravaux en français237 207