Natural Carotenoid Pigments of 6 Chlorophyta Freshwater Green Algae Species
Notice bibliographique
Résumé
Nowadays, halal products are gaining wider recognition as a new benchmark for safety and quality assurance. As a consequence the commercial development of microalgae is established due to their high value chemicals, for examples, β-carotene, astaxanthin, phycobilin pigments and algal extracts for cosmaceutical products. Therefore, many researchers have gained interest to study the potential of microalgae as new valuable chemicals and other product sources. The aim of the research is to explore new sources of pigments to be used as halal food colorants. This quest is not only directed in finding natural alternatives for synthetic dyes, but also to discover new taxons for the carotenoid production. Thus, there is a solid need to investigate the potential of natural pigments, particularly carotenoids in microalgae to be fully utilised and commercialised especially in halal market, health advantages, food products and dye technology. A total of 6 species was evaluated for quantitative and qualitative carotenoid composition, namely, Chlorella fusca, Chlorella vulgaris, Selenastrum capricornutum, Pandorina morum, Botryococcus sudeticus and Chlorococcum sp. The main carotenoids identified in all species through HPLC analysis were lutein, β-cryptoxanthin and β-carotene. The ratio of these carotenoids varies between species. Lutein was detected substantially higher in Chlorella fusca(69.54±11.29 μg/g DW);β-cryptoxanthin in Pandorina morum species (1.24±0.33 μg/g DW) whereas β-carotene in Chlorella vulgaris (18.42±9.2 ug/g DW). The significant outcome of the research will be new findings of new natural carotenoid pigment sources as potential food colorants and bioactive compounds which can be beneficial to halal health promoting products industry.
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 | 0,001 |
| 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 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 ».