Lipidomic profiling of guava cultivars by UPLC/MS Q-TOF analysis
Notice bibliographique
Résumé
• The 1371 lipids were found in guava, distributed in 6 classes and 50 subclasses. • The content of total lipids was the highest in GY, followed by GH, GZ and GJ. • NLs and SLs are the dominant lipids of the four varieties. • Hex1Cer, TG and PC are the most important lipid subclasses. This study aimed to perform a comprehensive lipidomic analysis of four representative guava cultivars using ultrahigh-performance liquid chromatography quadrupole time-of-flight mass spectrometry. The analytical results revealed a wide range of lipids in four representative guava cultivars. A total of 1371 lipids were annotated, distributed in 6 categories and 50 subcategories. The total lipid content in GY was the highest among the four cultivars, followed by GH, GZ, and GJ. Neutral lipids and sphingolipids were the predominant lipid types in four cultivars, accounting for >50 %. Moreover, hexosylceramides, triglycerides, and phosphatidylcholines were the most predominant subcategories of lipids. Meanwhile, bioactive lipids, including sphingolipids and phytosterols, were also detected. The chain length and unsaturation were further determined to explore the digestive characteristics of guava fruit. The results showed ultralong-chain fatty acids (>26 carbon atoms) and polyunsaturated fatty acids (>2 double bonds) in the 4 cultivars, implying that guava fruit is not only a source of essential fatty acids but also a good energy provider for human beings. The rich diversity and notable abundance of bioactive lipids identified in this study highlight the exceptional potential of guava fruit as a prolific source of functional ingredients, which is highly promising for the development of nutraceuticals and functional foods.
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 ».