Optimization of Solvent Extraction Method for Stilbenoid and Phenanthrene Compounds in Orchidaceae Species
Notice bibliographique
Résumé
This study introduces an optimized and selective extraction methodology using dichloromethane/methanol (DCM/MeOH, 95:5, v/v) in combination with accelerated solvent extraction (ASE) for the targeted stilbenoid and phenanthrene derivatives from five orchid species: Cattleya nobilior (root), Cymbidium defoliatum (root and bulb), Dendrobium phalaenopsis (stem), Encyclia linearifolioides (leaf), and Phalaenopsis aphrodite (root). Sequential extraction was performed with hexane, followed by DCM/MeOH (95:5 and 1:1, v/v) under controlled temperatures (70 °C for hexane, 100 °C for DCM/MeOH), using three static cycles per stage. Chemical profiling by high-performance liquid chromatography with a diode-array-detector and tandem mass spectrometry (HPLC-DAD-MS/MS) enabled the identification of twenty specialized metabolites—seven stilbenoids and thirteen phenanthrenes—several reported here for the first time, including crepidatuol B, dendrosinen D, and coeloginanthridin. The analytical method showed excellent separation of structurally related phenolic compounds, demonstrating the efficiency of the extraction protocol and the selectivity of the solvent system. Many of the identification metabolites are known for cytotoxic, antioxidant, anti-inflammatory, and metabolic regulatory properties, while newly detected compounds remain unexplored and present promising candidates for future biological evaluation. The broad distribution of these metabolites across the studied orchids enhances the current understanding of their phytochemical diversity and suggests chemotaxonomic relevance within the Orchidaceae family. Importantly, the extraction strategy requires minimal plant material, offering ecological advantages when working with rare or endangered species. Overall, this environmentally conscious extraction approach provides a robust platform for metabolic discovery and supports future research in natural products chemistry, plant ecology, drug discovery, structure–activity relationships studies and biotechnological 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 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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».