Impact on the Health-Promoting Potential of Cranberries for Food Applications Through Soilless Cultivation Practices in Piemonte Region (Italy): A Sustainable Opportunity for Nutraceutical Production
Notice bibliographique
Résumé
Cranberry (Vaccinium macrocarpon Aiton), a traditional berry crop cultivated in North America, is appreciated for its high amounts of bioactive compounds and polyphenols. The exploration of its cultivation in different geographic areas may support crop diversification and sustainable production of fruits and derived products rich in health-promoting molecules. The present research evaluated the antioxidant capacity, phytochemical profile, and nutritive composition of the ‘Pilgrim’ cranberry cultivar grown in soilless conditions in Northwestern Italy (Bra, Piemonte Region), compared to a reference sample from North America (Canada). Physical–chemical parameters such as weight, fruit size, titratable acidity, and total soluble solids were considered. Additionally, anthocyanins, total phenolics, antioxidant capacity, and proanthocyanidins (PACs) were evaluated using spectrophotometric protocols. Chromatographic techniques (HPLC-MS/MS and HPLC-DAD) were used for detailed profiling of phenolic acids, flavonoids, vitamin C, sugars, organic acids, and PAC types (A- and B-type dimers and trimers). The results highlighted that Italian-grown cranberry fruits, although smaller, showed significantly higher levels of PACs (+61%), anthocyanins (+58%), total polyphenolic compounds (+48%), and antioxidant capacity than North American ones. This may be due to the inhibition of fruit growth by elevated temperatures, resulting in a better synthesis of antioxidants and bioactive compounds. This study may promote the cultivation of cranberries in different climatic regions, as a complementary strategy to international imports, and improve the production of new food applications with a high content of health-promoting molecules. Additionally, the production of antioxidants in plants under challenging conditions may potentially stimulate further studies to address climate change and investigate crop diversification.
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) | 0,000 | 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 | 0,001 | 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 ».