Optimized extraction of total proteic mass from water hyacinth dry leaves
Notice bibliographique
Résumé
Optimization and effect simulation of the one-step solid:liquid extraction of the proteic mass from water hyacinth were achieved for glutathione recovery, through a factorial 3 3 experiment design. The experiment was carried out using dry water hyacinth leaves, previously crushed into a fine powder with particle size not exceeding 0.1 mm, and a sodium phosphate buffer as the extracting phase. For this purpose, 27 attempts were made by varying the dry leaves to buffer w/v ratio (solid:liquid (S/L)), the buffer pH, and extraction time, which are regarded as being key parameters. The total protein mass extracted attained values of 75–76 wt.% of the initial mass of dry hyacinth leaves, at 30 °C, S/L = 1:7.5–1:8.0 and pH 8.2. Time has no influence on the amount of extracted proteins, but a minimum time of 20 min is recommended. The effects of acidity and ionic strength upon protein fractionation were also investigated via potentiometric titrations of the collected extract with citric acid and ammonium sulphate, respectively, in a temperature range (20–60 °C). Most of proteins precipitate at pH 4.5–6.0 in the presence of citric acid and at pH 6.5–5.85 in the presence of ammonium sulphate. Glutathione was detected using high performance liquid chromatography (HPLC) in a liquid fraction after protein precipitation at pH = 5.65 in the presence of ammonium sulphate. Key words: Factorial 3 3 Design, solid:liquid extraction, water hyacinth, protein separation, optimization, glutathione.
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 ».