Enzymatic esterification/transesterification of rice bran acid oil for subsequent γ-oryzanol recovery
Notice bibliographique
Résumé
This study recovered γ-oryzanol from rice bran acid oil (RBAO), following an initial enzymatic esterification/transesterification to selectively convert its glyceride impurities into fatty acid ethyl esters (FAEEs) or biodiesel. γ-oryzanol was then deprotonated and separated from the biodiesel into the resulting aqueous phase via acid-base extraction. Herein, we determine the effects of varying reaction conditions, i.e., ethanol:RBAO molar ratio, temperature, reaction time, enzyme loading, and agitation speed, on the degrees of glyceride removal, γ-oryzanol loss, free fatty acid (FFA) remaining, and biodiesel content. Up to 100% glyceride removal was achieved with a relatively high biodiesel yield (84%) and γ-oryzanol loss as low as 26% under our most suitable reaction conditions (5:1 ethanol:RBAO molar ratio, 40 °C, 24 h reaction time, 10%wt enzyme loading, 200 rpm agitation). Furthermore, of the remaining oryzanol, up to 94% was recovered by the acid-base extraction with 2-4 M ethanolic NaOH solution. Our results suggest that a combination of enzymatic esterification/transesterification with subsequent acid-base extraction offers an efficient alternative approach to the simultaneous production of biodiesel and γ-oryzanol recovery from low-cost RBAO. Based on our analysis of techno-economic and environmental sustainability, integration of the present method into a rice bran oil refinery would make the process profitable, with the minimum use of toxic chemicals and energy.
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) | 0,001 | 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) | 0,001 | 0,001 |
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 ».