Comparison of low‐temperature processes for oil and coenzyme Q10 extraction from mackerel and herring
Notice bibliographique
Résumé
Abstract Among the fat fish species available from Eastern Quebec (Canada), whole Atlantic mackerel (Scomber scombrus) and herring (Clupea harengus) represent abundant fishery resources which are currently under‐utilized. They have relatively high contents of oil and coenzyme Q10 (CoQ10) in their tissues, which could be valuable for nutraceutical applications. Therefore, two low‐temperature extraction processes were compared for the recovery of oil and CoQ10 from these resources, such as enzymatic hydrolysis using Protamex™ and supercritical CO2 (SCO2) using fish lyophilizates. The results revealed that highest yields of oil and CoQ10 were obtained using the enzymatic hydrolysis process with mackerel. Whatever the process used, CoQ10 concentrations were higher in herring oil, due mainly to a more selective extraction of CoQ10 over that of the oil. The highest CoQ10 recovery rates (extraction efficiencies) were obtained using the enzymatic hydrolysis process with both types of fish, but also the SCO2 process with herring under some conditions. For mackerel, the lower CoQ10 recovery rates obtained from the SCO2 process were explained by its more important matrix effect. An economic assessment of both processes revealed that the enzymatic hydrolysis extraction process would be the most promising for up‐scaling the recovery of oil and CoQ10 from these resources.
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) | 0,000 | 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) | 0,001 | 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 ».