Isolation of Hydroxyapatite from Atlantic Salmon Processing Waste Using an Enzyme Cocktail
Notice bibliographique
Résumé
There is a desperate need for a solution to the ongoing waste management issues of the food processing industries. The demand for fish, including salmon, is higher than ever because of the growing global population and protein needs, however this results in large quantities of wasted by-products. This waste is problematic because it is potentially harmful to the environment and results in significant disposal costs for industries. The salmon frame (bones) is wasted once processed, however it is a potential feedstock for hydroxyapatite, a mineral for value-added applications. While other research has been done on accessing hydroxyapatite from animal wastes, these processes either use very high temperatures or chemicals that are more costly and hazardous for industrial purposes. In this study, we developed an enzymatic treatment using proteases and lipases simultaneously to clean the residual meat from salmon frames to isolate collagen-containing hydroxyapatite (sHAP) using Design of Experiment (DoE) under benign conditions. The variables were optimized using 2x3 and 2x4 factorial designs and it was determined by characterization techniques, weight loss calculations, and thermogravimetric analysis that the meat from the salmon frame was successfully hydrolyzed with 15 microliters/g Neutrase and 7.5 microliters/g Lipozyme CALB L in 40 degrees Celsius tap water for 6 h. We developed and propose a metric called Environment and Industry Hazard (EIH) for understanding the impact of such processing methods and compare the optimized procedure with existing techniques. The method reported herein is less impactful (environment, hazard, cost, carbon footprint) than others in the literature, as there are no solvents required, enzymes are easily disposed, and temperatures do not exceed 100 degrees Celsius during the entire process. Furthermore, we treated five salmon frames with the optimized conditions and determined it is possible to use this process on a larger scale.
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) | 0,000 | 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 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 ».