Health Benefits, Food Applications, and Sustainability of Microalgae-Derived N-3 PUFA
Notice bibliographique
Résumé
Today's consumers are increasingly aware of the beneficial effects of n-3 PUFA in preventing, delaying, and intervening various diseases, such as coronary artery disease, hypertension, diabetes, inflammatory and autoimmune disorders, neurodegenerative diseases, depression, and many other ailments. The role of n-3 PUFA on aging and cognitive function is also one of the hot topics in basic research, product development, and clinical applications. For decades, n-3 PUFA, especially EPA and DHA, have been supplied by fish oil and seafood. With the continuous increase of global population, awareness about the health benefits of n-3 PUFA, and socioeconomic improvement worldwide, the supply chain is facing increasing challenges of insufficient production. In this regard, microalgae have been well considered as promising sources of n-3 PUFA oil to mitigate the supply shortages. The use of microalgae to produce n-3 PUFA-rich oils has been explored for over two decades and some species have already been used commercially to produce n-3 PUFA, in particular EPA- and/or DHA-rich oils. In addition to n-3 PUFA, microalgae biomass contains many other high value biomolecules, which can be used in food, dietary supplement, pharmaceutical ingredient, and feedstock. The present review covers the health benefits of n-3 PUFA, EPA, and DHA, with particular attention given to the various approaches attempted in the nutritional interventions using EPA and DHA alone or combined with other nutrients and bioactive compounds towards improved health conditions in people with mild cognitive impairment and Alzheimer's disease. It also covers the applications of microalgae n-3 PUFA in food and dietary supplement sectors and the economic and environmental sustainability of using microalgae as a platform for n-3 PUFA-rich oil production.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».