Pistacia terebinthus L. (Menengiç) Galinin Antimikrobiyal aktivitesi ve GC-MS analizleri

Στην παρούσα διδακτορική διατριβή μελετήθηκε η χρήση της ρητίνης του δέντρου Pistacia terebinthus ως υπόστρωμα ακινητοποίησης κυττάρων Saccharomyces cerevisiae ΑΧΑΖ-1 για τη ζύμωση συνθετικών θρεπτικών μέσων γλυκόζης και σουκρόζης (12 %) καθώς και τη ζύμωση γλεύκους με αρχική πυκνότητα σακχάρων 12,5 και 16 oBe στις θερμοκρασίες 28, 21, 14 και 7 οC. Για λόγους σύγκρισης, πραγματοποιήθηκαν και ζυμώσεις σύμφωνα με τις παραδοσιακές διεργασίες, χρησιμοποιώντας ελεύθερα κύτταρα του ίδιου στελέχους ζυμομύκητα.Η σύσταση του φορέα ακινητοποίησης και η πιθανές αλληλεπιδράσεις του με τα ακινητοποιημένα κύτταρα και τα προϊόντα είναι ένας πολύ σημαντικός παράγοντας. Γι’ αυτό το λόγο, τα ολικά πτητικά συστατικά της ρητίνης αναλύθηκαν με χρήση Αέριου Χρωματογράφου συνδεδεμένου με Φασματογράφο Μάζας (GC-MS) μετά από εκχύλιση σε μεθανολικά διαλύματα (0, 5, 10, 15 και 20 % v/v). Τα συστατικά που προσδιορίστηκαν ήταν κατά κύριο λόγο τερπενοειδείς ενώσεις. Η ακινητοποίηση των κυττάρων στη ρητίνη επιβεβαιώθηκε αρχικά με τη χρήση ηλεκτρονικού μικροσκοπίου και κατόπιν προσδιορίστηκε η ποσότητα (g) αλλά και το ποσοστό (%) των κυττάρων που ακινητοποιήθηκαν στη ρητίνη. Ακολούθησαν προκαταρκτικές ζυμώσεις συνθετικού θρεπτικού μέσου γλυκόζης μελετώντας διάφορες αναλογίες βιοκαταλύτη/υγρού ζύμωσης. Η αναλογία που επιλέχθηκε (100 g ρητίνης, 8 g S. cerevisiae ΑΧΑΖ-1, 400 ml υγρού ζύμωσης), χρησιμοποιήθηκε σε ζυμώσεις συνθετικών θρεπτικών μέσων γλυκόζης και σουκρόζης πυκνότητας σακχάρων 7 oBe αλλά και σε ζυμώσεις γλεύκους με πυκνότητες σακχάρων 12,5 και 16 oBe στις θερμοκρασίες 28, 21, 14 και 7 οC. Τα αλκοολούχα διαλύματα και οι οίνοι που παράχθηκαν αναλύθηκαν με την χρήση Αέριου Χρωματογράφου (GC) για τον προσδιορισμό των συγκεντρώσεων των κύριων πτητικών παραπροϊόντων αλλά και της συγκέντρωσης της αιθανόλης. Η συγκέντρωση της αιθανόλης στους οίνους προσδιορίστηκε και με τη χρήση αλκοολομέτρου Gay-Lussac 10-20 % v/v μετά από απόσταξη των δειγμάτων. Τα δείγματα αναλύθηκαν και με την χρήση Υγρού Χρωματογράφου Υψηλής Απόδοσης (HPLC) για τον προσδιορισμό των αζύμωτων σακχάρων. Ακολούθησε ανάλυση με GC-MS για τον προσδιορισμό των ολικών πτητικών ενώσεων των δειγμάτων. Για τον προσδιορισμό των ολικών φαινολικών συστατικών χρησιμοποιήθηκε η μέθοδος Folin-Ciocalteau. Τα δείγματα των οίνων αναλύθηκαν επιπλέον για τον προσδιορισμό της ολικής και πτητικής οξύτητας καθώς και της ικανότητας τους να παραμένουν αποθηκευμένα σε θερμοκρασία δωματίου αλλά και στους 4οC χωρίς να παρουσιάζουν μολύνσεις για ικανοποιητικό χρονικό διάστημα. Τέλος προσδιορίστηκε και η αντιοξειδωτική ικανότητα των οίνων με την μέθοδο της δέσμευσης ελεύθερων ριζών με χρήση του αντιδραστηρίου DPPH˙

Download Full-text

Chemical characterisation and biological activity of leaf essential oils obtained from Pistacia terebinthus growing wild in Tunisia and Sardinia Island

Natural Product Research ◽

10.1080/14786419.2017.1289204 ◽

2017 ◽

Vol 31 (22) ◽

pp. 2684-2689 ◽

Cited By ~ 4

Author(s):

Alessandra Piras ◽

Hanen Marzouki ◽

Andrea Maxia ◽

Arianna Marengo ◽

Silvia Porcedda ◽

...

Keyword(s):

Biological Activity ◽

Essential Oils ◽

Pistacia Terebinthus

Download Full-text

Modeling of Drying Process of Bittim Nuts (pistacia terebinthus) in a Fixed Bed Dryer System by Using Extreme Learning Machine

International Journal of Food Engineering ◽

10.1515/1556-3758.2737 ◽

2012 ◽

Vol 8 (4) ◽

Cited By ~ 7

Author(s):

Asım Balbay ◽

Engin Avci ◽

Ömer Şahin ◽

Resul Coteli

Keyword(s):

Extreme Learning Machine ◽

Fixed Bed ◽

Experimental Studies ◽

Learning Rule ◽

Activation Function ◽

Optimal Topology ◽

Gradient Based ◽

Learning Machine ◽

Pistacia Terebinthus ◽

Hidden Neurons

Abstract Artificial neural networks (ANNs) have been widely used in modeling of various systems. Training of ANNs is commonly performed by backpropagation based on a gradient-based learning rule. However, it is well-known that such learning rule has several shortcomings such as slow convergence and training failures. This paper proposes a modeling technique based on Extreme Learning Machine (ELM) eliminating disadvantages of backpropagation based on a gradient-based learning rule for the drying of bittim (pistacia terebinthus). The samples for ELM based model are obtained by experimental studies. In experimental studies, the sample mass loss rate as a function time was investigated in different air velocities (0.5 and 1 m/s) and air temperatures (40, 60 and 80°C) in a designed dryer system. The obtained samples from experiments are used for training and testing of ELM. Further, some parameters of ELM such as type of activation function and the number of hidden neurons are set to obtain the best possible modelling results. The obtained prediction results show that ELM algorithm with tangent sigmoid activation function and 20 hidden neurons is appeared to be most optimal topology since maximum R2 and minimum rms (0.0500) and cov (0.2256) values are obtained. Thus, it is concluded that ELM can be used as an effective modelling tool in the drying of bittim (pistacia terebinthus) in fixed bed dryer system.

Download Full-text