Agar from Red Algae (Gracilaria tenuistipitata) as a Valuable Biopolymer: Extraction and Characterization
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
Agar, a natural biopolymer extracted from red algae, holds immense potential for revolutionizing healthcare, including biomedical engineering. This study explores the feasibility of extracting agar from red algae (Gracilaria tenuistipitata) abundantly available in the coastal area of Cox’z Bazar, Bangladesh. Five extraction methods were investigated, including control and treatments with water and NaOH solutions at 2%, 4%, and 6% concentrations. Each method was applied to three extraction cycles, producing 15 samples for comprehensive analyses. The extracted agar samples were characterized through Fourier-transform infrared spectroscopy (FTIR), gel strength testing, melting and gelling temperature assessments, pH value measurement, and sulfate content analysis to determine their suitability for potential biomedical applications. Statistical tools such as ANOVA and Tukey's HSD test were employed to evaluate the influence of the pretreatment process on the yield and characteristics of agar. The results revealed significant variations across methods, emphasizing the critical role of extraction conditions in determining agar yield and characteristics. Among different alkali treatment methods, the sample processed with 2% NaOH and two hours treatment provided the highest agar yield of 11.67 %. Thus, two hours treatment with 2% NaOH was determined to be the optimal condition for agar extraction. This preliminary study suggests that the red algae is a promising source of agar for wider applications, including biomedical engineering. The agar extracted from abundant local sources in Bangladesh could unlock its potential for advancing healthcare solutions and sustainable national economic growth.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découle