Evaluation of anchote (Coccinia abyssinica) genotypes and processing methods for mineral and phytochemical composition
Notice bibliographique
Résumé
Anchote, a vital crop in Ethiopia, is valued for its food, medicinal, social, and economic benefits. Despite it outperforms other root vegetables in yield and nutritional content, its cultivation remains restricted to specific locales, prompting on-farm studies to assess mineral and phytochemical profiles of various anchote genotypes. This research aimed to identify better cooking methods for preserving these essential components. Three genotypes were tested in the on-farm trials across four fields: two local landraces (LV1, LV2) and the Improved Variety Desta 01. A factorial experiment combining three genotypes with two cooking approaches (peeled and unpeeled) was executed to evaluate mineral content (Ca, K, Mg, Na, P, Cu, Mn, Fe, Zn). Results showed significant impacts of cooking methods on potassium (K) and magnesium (Mg) levels (P = 0.01, P = 0.006) and on phenolics and ascorbate content (P = 0.026, P = 0.004). While genotypes did not show significant difference in phytochemical composition, boiling the roots unpeeled proved to be the most effective method for conserving mineral and phytochemical profiles. The study underscores the potential of anchote genotypes as nutrient-rich crops, advocating for their widespread adoption for nutritional and pharmaceutical purposes. Future research avenues should explore anchote's broader biochemical potential for food formulation, processing, and pharmaceutical 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 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 | 0,002 | 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 ».