Recovery of alginate, fucoidan, phenolics, carotenoids, and hydrochar from beach-cast Ascophyllum nodosum using subcritical water extraction
Notice bibliographique
Résumé
Beach-cast brown seaweeds are an underutilized biomass with high potential for sustainable valorization within a circular economy framework. This study focuses on subcritical water (SCW) as a green, chemical-free solvent to recover high-value bioactive compounds (crude alginate, crude fucoidan, phenolics, carotenoids) and hydrochar from beach-cast Ascophyllum nodosum . Despite increasing interest in seaweed valorization, limited research has optimized SCW processing for beach-cast seaweeds, and the effects of non-isothermal heating time (critical factor for scale-up) remain largely unexplored. To address this, factor screening followed by a central composite design was used to evaluate the effects of final temperature, heating time, hold time, water-to-biomass ratio, pH, and agitation speed on yields and antioxidant activities. Final temperature and hold time significantly affected all responses. Maximum crude alginate (15.80 dry wt%) and crude fucoidan (38.48 dry wt%) yields were obtained at 120 °C, 20 min and 138 °C, 12 min hold times, respectively. Comparable yields were also achieved under non-isothermal heating conditions (no hold time) at 140 °C (crude alginate) and 160 °C (crude fucoidan). At 160 °C and 20 min hold time (total time of 76 min), the crude extract was richest in phenolics and carotenoids and concomitant antioxidant activities. Hydrochar was also recovered 31.23–61.59 dry wt% over 112–168 °C and 0–24 min hold time (total 38–76 min). This work provides not only a framework to develop SCW processes for other types of seaweeds but also demonstrates the value in beach-cast seaweeds compared to their cultivated counterparts. • SCW was used to extract bioactive compounds and hydrochar from waste seaweed. • Final temperature, heat time, and hold time significantly influenced product yields. • Maximum crude alginate and fucoidan yields were 15.80 % and 38.48 %, respectively. • Crude extract at 160 °C and 20 min had the “best” phenolic and carotenoid contents. • Hydrochar recovered from 31.23 to 61.59 dry wt% among the conditions studied.
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 ».