Methodological biases in estimates of macroalgal macromolecular composition
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 découle