Characterizing the Phenolic Compounds in Iron Walnut Oil (Juglans sigillata Dode) Across Chinese Regions
Notice bibliographique
Résumé
This study examines the chemical composition and antioxidant properties of iron walnut oil (IWO) from different Chinese regions, using ultra-high-performance liquid chromatography-quadrupole time-of-flight mass spectrometry for the analysis of phenolic compounds. Regional variations were identified in fatty acid profiles, with elevated α-linolenic acid levels observed in samples from cooler climates (e.g., Liaoning, sample 1) that were 60% higher than in samples from warmer regions (e.g., Sichuan, sample 2). Antioxidant properties, quantified using 1,1-diphenylpicryl phenyl hydrazine (DPPH), 2,2-azinobis-3-ethylbenzothiazoline-6-sulfonate (ABTS), and Ferric ion reducing antioxidant power (FRAP) assays, corresponded to both oil polyphenol content (up to 62.91 mg/kg) and γ-tocopherol concentrations (268.68-525.05 mg/kg). Nineteen phenolic acids and flavonoids were identified, including ellagic acid, gallic acid, p-hydroxybenzoic acid, syringic acid, vanillic acid, quercetin, caffeic acid, ferulic acid, p-coumaric acid, coniferol, and pinoresinol. This comprehensive analysis underscores the nutritional and therapeutic potential of IWO, and delineates the impact of geographic and environmental factors on its quality, providing a scientific foundation for further research and development aimed at enhancing food industry standards and exploring natural product chemistry.
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 | 0,001 |
| 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 ».