Functional food candidate from Indonesian green algae Caulerpa racemosa (Försskal) J. Agardh by two extraction methods: Metabolite profile, antioxidant activity, and cytotoxic properties
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
There is an urgent need to explore natural sources like Caulerpa racemosa (Försskal) J. Agardh for bioactive compounds with strong antioxidant and therapeutic potential, providing sustainable alternatives for health and pharmaceutical innovation. This study aimed to determine the phytochemical profile and biological activities of extracts from edible green algae–known as sea grapes ( C. racemosa ). This present study has successfully identified secondary metabolites through untargeted metabolomic profiling by liquid chromatography-high resolution mass spectrometry (LC-HRMS) as well as a bioactive peptide . The antioxidant activity and cytotoxicity of extracts from C. racemosa and compounds were determined. A total of 103 metabolites were identified in the C. racemosa extract obtained by the maceration (ME), while 48 metabolites were detected in the soxhlet extract (SE). The sequence of the identified peptide was ELWKTF (Glu-Leu-Trp-Lys-Thr-Phe; C 41 H 58 N 8 O) and its abundance was identified in the α-chymotrypsin hydrolysate of C. racemosa . In the antioxidant activity test, SE and purified fraction 1 (PF1) had EC 50 <EC 50 of control or Glutathione (GSH) in terms of 2,2-Diphenyl-1-picrylhydrazyl (DPPH) inhibition, and PF1 had EC 50 <EC 50 of control or Trolox in terms of 2,2′-Azino-bis(3-ethylbenzothiazoline-6-sulfonic acid) (ABTS) inhibition. In general, C. racemosa contains antioxidant nutrients, metabolites, and bioactive peptides, suggesting its promising potential as a functional food and pharmaceutical.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 découle