Bioactive compounds from plants and by-products: Novel extraction methods, applications, and limitations
Notice bibliographique
Résumé
In recent years, numerous articles documenting bioactive components derived from diverse food sources have been published. Plant-based bioactive substances hold significant prospects for use as dietary supplements and functional foods because of their potential advantages for human health as antimicrobial, anticancer, anti-inflammatory, and antioxidant agents. Utilizing plant by-products as raw materials can also lower production costs and lessen environmental impacts. Thus, this review covered the bioactive substances found in plants and their by-products. The health benefits of bioactive compounds obtained from plant origins were also highlighted in this review. Furthermore, we concentrated on both conventional extraction techniques (e.g., Soxhlet, heat reflux, and maceration) and innovative extraction strategies for bioactive substances, including pulsed electric field (PEF), pressurized liquid, microwave-assisted, ultrasonic-assisted, and subcritical fluid methods. Higher yields obtained by novel extraction methods were found to be of primary interest, considering immediate beneficial economic outcomes. The potential applications of those bioactive substances in the food industry have been studied. Additionally, this investigation handled concerns regarding the challenges and limitations related to bioactive compounds. It is anticipated that the information covered in this review will prove to be a useful resource for the plant food processing sector in suggesting a cost-effective and environmentally friendly extraction technique that would turn plant wastes into a functional product with a high added value.
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 ».