Optimizing pretreatment and extraction methods for high-quality Cinnamomum camphora seed oil: Impacts on bioactive components and antioxidant capacity
Notice bibliographique
Résumé
This study for the first time systematically investigates the combined effects of shelled/unshelled pretreatments and three extraction methods (cold pressing, CP; hexane extraction, HE; and aqueous enzymatic extraction, AEE) on physicochemical properties, nutritional components, and antioxidant capacity of Cinnamomum camphora seeds oil (CCSO) quality, addressing gaps in synergistic optimization of bioactive retention in CCSO. Lipid yield varied from 37.85 % to 94.26 %, with CP producing the highest total tocopherol content (shelled oil: 328.30 mg/kg and unshelled oil: 291.80 mg/kg) and total phenolic content (TPC, shelled oil: 33.78 mg/kg and unshelled oil: 48.24 mg/kg), as well as the strongest antioxidant activity by DPPH (shelled oil: 109.58 μmol TE/100 g and unshelled oil: 130.95 μmol TE/100 g) and FRAP (shelled oil: 1258.56 μmol TE/100 g and unshelled oil: 1612.33 μmol TE/100 g) assays. In contrast, HE produced lower levels of β-sitosterol, TPC, and squalene, while AEE yielded higher concentrations of monounsaturated fatty acids and β-sitosterol. Shelling increased tocopherol and β-sitosterol contents, but decreased unsaturated fatty acid, TPC, and antioxidant ability. Hierarchical cluster analysis demonstrated that processing method significantly influenced oil properties. Regression and principal component analyses revealed a positive relationship between antioxidant capacity and TPC as well as C18:2. It was determined that Unshelled-CP represented the optimal strategy for producing high-quality CCSO, with strong antioxidant capacity (DPPH-polar: 23.17; DPPH-nonpolar: 43.17; DPPH-oil: 130.95; FRAP: 1612.33 μmol TE/100 g) and high levels of bioactive compounds, making it suitable for food, nutraceutical, and sustainable applications.
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 | 0,001 | 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 ».