Optimization of the effect of cold plasma treatment on UAE-NADES green extraction of chickpea roots (Cicer arietinum) bioactive compounds
Notice bibliographique
Résumé
The chickpea (Cicer arietinum L.) root is an agricultural by-product with the potential for extracting valuable bioactive compounds that often remains underutilized. This study introduces an integrated extraction methodology to enhance the extraction of bioactives using atmospheric air low-pressure cold plasma (CP) treatment followed by ultrasound-assisted extraction (UAE) with natural deep eutectic solvents (NADES). Chickpea root powder was first subjected to CP treatment under optimized conditions (power, pressure, and time) identified via response surface methodology (RSM). Subsequently, UAE-NADES extraction was performed to maximize the results of antioxidant activity (DPPH) and total phenolic content (TPC). The integrated CP-UAE-NADES process enhanced TPC and DPPH compared to the untreated sample (non-CP). The optimum conditions were 11.5 min, 52 W, and 0.65 mbar. The predicted values of the Box-Behnken design for TPC and DPPH were compatible with the experimental Furthermore, microbial load reduction and color stability were analyzed to ensure chickpea root quality and functionality. The combined extraction methodology offers a sustainable and eco-friendly approach for the valorization of chickpea root as a source of bioactives, with potential applications in functional foods, nutraceuticals, and pharmaceuticals.
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 ».