Alkaline subcritical water extraction of bioactive compounds and antioxidants from beach-cast brown algae (Ascophyllum Nodosum)
Notice bibliographique
Résumé
Beach-cast brown algae Ascophyllum nodosum (rockweed) is a seasonal phenomenon where rockweed accumulates on beaches, resulting in environmental impacts. However, rockweed is a valuable source of bioactive compounds and nutrients for use in biomaterials, food, cosmetic, and pharmaceutical industries. This study explores the utilization of alkaline subcritical water extraction in an accelerated solvent extractor (ASE) for extracting valuable compounds from beach-cast rockweed. The bioactive compounds and nutrients (alginate, fucoidan, phenolics, minerals, and vitamins) were first characterized. The yields of major components (alginate, fucoidan, and phenolics) and antioxidant properties of crude extract were further optimized in the ASE system as a function of extraction conditions (temperature, extraction time, and solid mass). The maximum yields of crude extract (86.52 dry wt%), alginate (38.25 dry wt%), and fucoidan (39.38 dry wt%) were achieved at 160 °C, 18 min, and 0.1 g mass loading. A higher temperature of 200 °C increased phenolic yield and antioxidant activities (ABTS and FRAP assays) but led to alginate/fucoidan degradation. The extraction rates for extract, alginate, and fucoidan were modeled using Fick’s and Peleg’s models. Both models fit the experimental data well, but Fick’s model showed a better overall fit. The effective diffusion coefficients for the extract (7.82 × 10−12 m2/s), fucoidan (7.56 × 10−12 m2/s), and alginate (8.55 × 10−12 m2/s) were determined. Thus, the ASE using alkaline subcritical water can effectively be used to identify and quantify key value-added compounds by modifying process conditions while minimizing extraction time (maximizing rate) from beach-cast rockweed.
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) | 0,000 | 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 | 0,001 |
| 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 ».