Production of α-Glycerylphosphorylcholine in Fermented Roots, Tubers, and Fruits
Notice bibliographique
Résumé
Vegetables and fruits, high in starch and sugars, are promising substrates for bioethanol production, but can also yield valuable nootropic compounds, such as α-glycerylphosphorylcholine (α-GPC). This compound is a known cognitive enhancer that works by increasing the release of acetylcholine, a neurotransmitter essential for learning and memory. In this study, select root and tuber crops, as well as fruits, were subjected to Saccharomyces cerevisiae fermentation to observe the co-production of ethanol and α-GPC. The ethanol yields from these substrates were comparable to those from wheat (var. AC Andrew), ranging from 30.44 g/L (beet) to 70.04 g/L (lotus root). Aside from ethanol, α-GPC was also produced, with purple top turnip yielding 0.91 g/L, the second highest concentration after wheat (used as a reference), which produced 1.25 g/L. Although α-GPC yields in the tested substrates were lower than those from cereal grains (e.g., wheat and barley), a noteworthy observation was the production of methanol in many of these substrates. Methanol was detected in all feedstocks except wheat, with concentrations ranging from 0.10 g/L (cassava) to 1.69 g/L (purple top turnip). A linear regression analysis revealed a strong correlation between methanol and α-GPC content (R2 = 0.876; slope = 0.52), suggesting a potential link in their biosynthetic pathways. These feedstocks not only proved effective as substrates for bioethanol production, but also showed potential for generating value-added compounds such as α-GPC. This dual-purpose potential presents new market opportunities for producers by leveraging both biofuel and nootropic compound production. Furthermore, the observed relationship between methanol and α-GPC production warrants further investigation to elucidate the metabolic pathways involved.
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 | 0,000 |
| 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 ».