Air-Frying Improves the Bioactive Compounds of Thermally Processed <i>Brassica oleracea</i> Vegetables
Notice bibliographique
Résumé
Brassica oleracea vegetables, including cabbage, kale, Brussels sprouts, and broccoli sprouts, are renowned for their rich phenolic contents and bioactive compounds. This study investigated the impact of thermal processing on key bioactives, including phenolic acids, flavonoids, glucosinolates (such as sulforaphane), fatty acids, and phytosterols. Additionally, we evaluated bioactivities such as angiotensin-converting enzyme (ACE) inhibitory activity, lipid peroxidation activity, and α-amylase inhibitory activity. Among the thermal processing methods tested, air-frying significantly enhanced the bioactive composition of Brassica vegetables. Notably, phenolic acids, such as chlorogenic and caffeic acids, were significantly increased ( p < 0.05) with air-frying. Air-fried kale and broccoli sprouts exhibited superior α-amylase and ACE inhibitory activities ( p < 0.05), indicating their potential antidiabetic and antihypertensive benefits. These findings emphasize the effectiveness of air-frying in optimizing the health-promoting properties of Brassica vegetables, offering a sustainable approach to improving their nutritional profiles. This study underscores the potential of air-fried Brassica species in the development of functional food products with enhanced bioactive properties.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».