Response Surface Optimization of Enzyme Pretreatment Improves Yield of Ethanol‐Extracted Lipids from <i>Nannochloropsis oceanica</i>
Notice bibliographique
Résumé
Abstract Nannochloropsis oceanica are marine microalgae that are rich in eicosapentaenoic acid (EPA); in the future, they may become one of the most effective sources of EPA. The cell walls of N. oceanica contain a three‐layered dense structure called algaenan, which hinders the extraction of intracellular lipids. Here, the main variables for the enzyme pretreatment of N. oceanica are optimized using response surface methodology. Under the optimal variables for enzyme pretreatment, the lipid yield and EPA content are increased to 26.9% and 20.7 g/100 g, respectively. Furthermore, lipidomics analysis is carried out utilizing ultra‐high performance liquid‐quadrupole‐time‐of‐flight mass spectrometry to identify the obtained lipids. After enzyme treatment, the betaine lipids (BL) content significantly increases, probably due to laccase and cellulase promoting the release of BL from membrane structure. In comparison, the hydrolysis of neutral lipids, glycolipids, and phospholipids during the enzyme treatment reduces their respective contents. The results of this study suggest that using compound enzymes to pretreat N. oceanica can effectively increase lipids extraction yields by ethanol and improve the EPA contents in lipids. Practical applications : This study indicates that enzyme pretreatment can promote the extraction of lipids, especially lipids with EPA, from N. oceanica or other marine microalgae.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».