Investigation of the Chemical Composition and Antioxidant Activity of Phenolic Compounds in Saskatoon (Amelanchier Alnifolia Nutt.) Berries
Bibliographic record
Abstract
G. Šimkevičiūtės magistro baigiamasis darbas - „Alksnialapių medlievų (Amelanchier alnifolia Nutt.) uogų fenolinių junginių cheminės sudėties ir antioksidacinio aktyvumo tyrimas“. Mokslinė vadovė - doc. dr. Daiva Kazlauskienė. Lietuvos sveikatos mokslų universiteto, Medicinos akademijos, Farmacijos fakulteto, Analizinės ir toksikologinės chemijos katedra. Kaunas, 2024. Tyrimo tikslas: nustatyti ir palyginti Lietuvoje auginamų skirtingų veislių alksnialapių medlievų (Amelanchier alnifolia Nutt.) uogų fenolinių junginių kiekinę ir kokybinę sudėtį bei antioksidacinį aktyvumą. Tyrimo uždaviniai: pritaikyti tinkamiausias fenolinių junginių ekstrakcijos sąlygas iš alksnialapių medlievų (Amelanchier alnifolia Nutt.) uogų; nustatyti alksnialapių medlievų (Amelanchier alnifolia Nutt.) uogų fenolinių junginių kokybinę sudėtį, naudojant efektyviosios skysčių chromatografijos metodą; palyginti Lietuvoje auginamų skirtingų veislių alksnialapių medlievų (Amelanchier alnifolia Nutt.) uogų bendrą fenolinių junginių kiekį, nustatytą spektrofotometriniu Folin - Ciocalteau metodu; įvertinti Lietuvoje auginamų skirtingų veislių alksnialapių medlievų (Amelanchier alnifolia Nutt.) uogų antioksidacinį aktyvumą, naudojant ABTS metodą. Darbo objektas: skirtingų veislių ‘Martin’, ‘Smoky’, ‘Honeywood’, ‘Sleyt’, ‘Northline’ ir ‘Thiessen’ alksnialapių medlievų (Amelanchier alnifolia Nutt.) uogų ėminiai iš Kauno ir Joniškio rajonuose esančių ūkių. Metodai: bendras fenolinių junginių kiekis augalų ekstraktuose nustatomas spektrofotometriniu Folin - Ciocalteu (FC) metodu; fenolinių junginių kokybinė ir kiekybinė analizė bus atlikta efektyviosios skysčių chromatografijos metodu (ESC); antioksidacinis aktyvumas bus nustatytas ABTS spektrofotometriniu metodu. Tyrimo rezultatai ir išvados: pasirinktos fenolinių junginių ekstrakcijos sąlygos – ekstrakcija metanoliu 70 % ultragarso vonelėje 30 min. Identifikuoti 5 fenoliniai junginiai ir 4 antocianinai. Palyginus Lietuvoje auginamų skirtingų veislių alksnialapių medlievų uogų bendrą fenolinių junginių kiekį uogų ėminiuose, jis priklauso nuo augalo. Didžiausiu fenolinių junginių kiekiu pasižymėjo ‘Thiessen’ (J1š) veislės uogų ėminys – 127,51 ± 5,25 mg/g, o mažiausiu – ‘Martin’ (J3š) 11,19 ± 1,32 mg/g. Didžiausiu flavonoidų kiekiu pasižymėjo ‘Northline’ (J6dž) veislės uogų ėminys 9,52 ± 0,10 mg/g, o mažiausiu – ‘Martin’ (J3š) 1,34 ± 0,02 mg/g. Didžiausiu antocianinų kiekiu pasižymėjo ‘Smokey’ (K4š) veislės uogų ėminys – 46,30 ± 3,18 mg/g, o mažiausiu – ‘Sleyt’ (J5š) 8,96 ± 1,78 mg/g. Įvertinus Lietuvoje auginamų skirtingų veislių alksnialapių medlievų uogų antioksidacinį aktyvumą didžiausiu antioksidaciniu aktyvumu pasižymėjo ‘Sleyt’ (J5dž) veislės uogos – 328,89 ± 6,29 mmol Trolox/g, o mažiausiu – ‘Thiessen’ (J1š) 11,11 ± 0,62 mmol Trolox/g.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".