Optimization of Enzymatic Deproteination of Northern Shrimp (Pandalus borealis) Shell Chitin Using Commercial Proteases
Notice bibliographique
Résumé
Shrimp shells are a key source of chitin, commonly extracted through chemical methods, which may cause minor molecular damage. Nowadays, there is great interest in achieving close to zero protein content in crude chitin in order to use it for high-end markets. Therefore, this study optimized the enzymatic deproteination using two commercial proteases (SEB Pro FL100 and Sea-B Zyme L200) for effective and fast removal of residual protein from Northern shrimp (Pandalus borealis) shell chitin for the first time. The protein content was determined using both the Kjeldahl method and amino acid analysis using gas chromatography–mass spectrometry (GC-MS). The performance of papain (Sea B Zyme L200) was superior to fungal protease (SEB Pro FL100) for this application, and it achieved residual protein content of 2.01%, while the calculated optimum for the latter enzyme was 6.18%. A model was developed using 24 factorial design, and it was predicted that the lowest residual protein content using fungal protease and papain could be achieved at the following conditions: a pH of 4.2 and 7, and an enzyme concentration of 4 and 1.5%, respectively. Thus, the low-protein content obtained using enzymatic deproteination could be an alternative approach to the traditional methods, indicating their potential to produce premium-quality chitin.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».