A micro-method to determine quinoa (<i>Chenopodium quinoa</i> Willd.) grain saponins and sapogenins contributing to bitterness
Notice bibliographique
Résumé
A microextraction method was optimized to determine and characterize saponins in very small sample of quinoa ( Chenopodium quinoa Willd.) seeds (0.1 g) with minimal amount of solvent (2 mL). This rapid microextraction method can be used to screen and select quinoa genotypes in early stages of crop improvement and genetic mapping studies, where seed supply is very limited. The optimized microextraction method combined with vanillin–sulphuric acid color development method revealed 2.2 ± 0.85 to 2.4 ± 0.57 mg g−1 (0.22%–0.24%) oleanolic acid (OA) equivalent g−1 sample in sweet quinoa while bitter quinoa seeds had higher concentrations of 4.7 ± 0.37 to 7.34 ± 0.59 mg of OA equivalent g−1 of the sample (0.47%–0.73%). Afrosimetric method based on the foam produced by sapogenins, showed, 0.1–0.6 mg g−1 saponin in sweet quinoa genotypes compared to 1.52 ± 0.3 to 1.86 ± 0.1 mg g−1 saponin in bitter genotypes. Correlation analysis revealed a significant correlation between foam and the vanillin sulphuric acid method for saponin determination ( r2 = 0.967, p < 0.001). Four trimethylsilylated sapogenins (OA, hederagenin, serjanic acid, and phytolaccagenic acid) were separated using gas chromatography-mass spectrometry (GCMS) to assess compositional differences in the bitter and sweet quinoa seeds. MVC 269 with the most OA equivalent value and the highest foam also showed maximum intensity for all sapogenin analyzed in this study, followed by MVC 277. The sweet quinoa genotype (MVC 204) showed the lowest intensity profile for all sapogenins.
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 | 0,001 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».