Optimization of Ultrasound-Assisted Extraction of Glucosinolates from Upcycled Cauliflower Using Response Surface Methodology
Notice bibliographique
Résumé
This study aimed to optimize the ultrasound-assisted extraction (UAE) process using food-grade ethanol to recover glucosinolates from upcycled cauliflower through response surface methodology. The optimized extraction process was compared with traditional extraction using maceration with solvents such as methanol and acetone. The optimum UAE conditions identified for extracting glucosinolates from upcycled cauliflower were: 42% ethanol as solvent at 43 °C for 30 min. The total glucosinolate content recovered was 7400 μg sinigrin equivalence (SE)/g dry weight (DW) of biomass. The ultra-pressure liquid chromatography-electrospray ionization-mass spectrometry (UPLC-ESI-MS) analysis confirmed that the optimized UAE yielded the highest levels of glucoraphanin (1.31 ± 0.12 μg/g DW of biomass) and sulforaphane (28.2 ± 3.34 μg/g DW of biomass). The extracts possess greater antioxidant activity as determined by ferric reducing antioxidant power and DPPH radical scavenging activity. The optimized UAE process significantly enhanced the extraction of valuable phytochemical molecules from the upcycled cauliflower. Further studies should focus on evaluating their therapeutic and preventive potential for applications in nutrition and health.
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 | 0,001 |
| 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 ».