Exploring Selectivity of Supercritical-CO2 for Vitamin E Extraction from Canola Seeds
Notice bibliographique
Résumé
Abstract The objective of the current study was to investigate the selectivity of supercritical-CO 2 for extraction and concentration of Vitamin E components from canola seeds. The selectively extracted Vitamin E in supercritical-CO 2 solvent was related to pressure, temperature, and density through the developed thermodynamic modeling approach. The results suggested that increased pressure and density would enhance the selectivity of supercritical-CO 2 solvent, consequently obtaining highly concentrated Vitamin E. The thermodynamic modeling equations have correlated the selectivity of supercritical-CO 2 solvent for extracting Vitamin E in terms of processing conditions including pressure, temperature, and density of the supercritical-CO 2 solvent fluid. The activity coefficient in thermodynamic modeling was involved with those key parameters that are important in determining selectivity, concentration, and extraction results. The supercritical-CO 2 solvent can be made highly selective by precisely controlling the operating pressure and temperature. This allowed the supercritical-CO 2 solvent to achieve the desired density in the supercritical phase, thereby enhancing the selectivity for targeted components. The thermodynamic mathematical modeling offered valuable insights for enhancing extraction processes in industrial settings. A high regression coefficient via linear structural modeling analysis indicated that the response equation fitted with the experimental data ( R 2 = 0.8737). The experimental results for the separation parameters provide optimal selectivity of supercritical-CO 2 solvent for extracting and concentrating Vitamin E compounds for establishing commercial production.
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) | 0,000 | 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 ».