Methodological biases in estimates of macroalgal macromolecular composition
Notice bibliographique
Résumé
Abstract Interest surrounding the use of macroalgae macromolecules for food products, biofuels, or other industrial applications is growing. As researchers search for macroalgae with especially high protein, lipid, carbohydrate or fibre content, the demand for a suite of standardized and unbiased methods for quantifying macroalgae macromolecules increases. Using data from available scientific literature, we evaluated the biases of the major methods used to determine macroalgal macromolecular content, as well as the sample drying methods employed. We found that drying at room temperature prior to analysis resulted in the highest estimates of protein and carbohydrate, and that freeze‐drying provided the highest estimates of lipid. Using nitrogen content and the standard conversion factor to calculate protein in macroalgae (N × 6.25 method) overestimates protein content compared to protein assays such as the Bradford ( ) or Lowry ( ) assays. The Bligh and Dyer ( ) lipid extraction method was found to have a yield nearly two‐fold higher than other standard methods. For carbohydrates, the By Difference and Prosky et al. ( ) methods provide estimates up to five‐fold higher than other common methods used to determine carbohydrate and fibre. Based on these results we recommend using protein assays as opposed to nitrogen content assays to determine protein content, the Bligh and Dyer lipid extraction method for lipids, and the By Difference and Prosky method for carbohydrate and fibre, respectively.
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 | 0,054 | 0,091 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».