Metabolic variation in sea buckthorn berries during yearly natural fermentation via non-targeted metabolomics
Notice bibliographique
Résumé
This study used UPLC-MS-based non-targeted metabolomics to explore the metabolic changes and identify potential targets in yearly fermented sea buckthorn berries from Mount Wutai over 1–4 years of natural fermentation. A total of 520 metabolites were identified, including 241 core differential metabolites and 311 feature-important metabolites during fermentation based on traditional analysis supplemented by random forest algorithm. Pathway enrichment analysis revealed that the annotated core differential metabolites were predominantly enriched in flavone and flavonol biosynthesis, phenylalanine, tyrosine, and tryptophan biosynthesis, as well as phenylalanine metabolism. Important metabolic pathways network analysis suggested that astragalin, phenylalanine, and pyruvate may serve as potential targets for investigating variations in the flavonoid and flavonol biosynthesis pathways, as well as amino acid biosynthesis. Further studies are warranted to validate these targets in controlled fermentation systems. Thus, these findings provide comprehensive insights into the variation of bioactive components and time-dependent effects in sea buckthorn berries during 1–4 years of natural fermentation and offer potential strategic guidance for the targeted development of sea buckthorn berry-based functional products.
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 | 0,000 |
| 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) | 0,000 | 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 ».