Sustainable Upcycling of Fisheries and Aquaculture Wastes Using Fish-Derived Cold-Adapted Proteases
Notice bibliographique
Résumé
The fisheries and aquaculture industries are some of the major economic sectors in the world. However, these industries generate significant amounts of wastes that need to be properly managed to avoid serious health and environmental issues. Recent advances in marine waste valorization indicate that fish waste biomass represents an abundant source of high-value biomolecules including enzymes, functional proteins, bioactive peptides, and omega-3 rich oils. Enzyme-assisted processes, for the recovery of these value-added biomolecules, have gained interest over chemical-based processes due to their cost-effectiveness as well as their green and eco-friendly aspects. Currently, the majority of commercially available proteases that are used to recover value-added compounds from fisheries and aquaculture wastes are mesophilic and/or thermophilic that require significant energy input and can lead to unfavorable reactions (i.e., oxidation). Cold-adapted proteases extracted from cold-water fish species, on the other hand, are active at low temperatures but unstable at higher temperatures which makes them interesting from both environmental and economic points of view by upcycling fish waste as well as by offering substantial energy savings. This review provides a general overview of cold-adapted proteolytic enzymes from cold-water fish species and highlights the opportunities they offer in the valorization of fisheries and aquaculture wastes.
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) | 0,001 | 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) | 0,000 | 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 ».