Metodología para extracción de aceite de la microalga Nannochloropsis oculata usando ultrasonido
Bibliographic record
Abstract
Muchas metodologias han sido reportadas para la extraccion de aceites de microalgas, ya sea con fines alimentarios, medicinales y recientemente como materia prima para producir biocombustibles. Para la produccion de biocombustibles como biodiesel generalmente se usan semillas oleaginosas las cuales han mostrado tener muchas limitaciones debido a la disponibilidad de terrenos y agua para su cultivo, bajos rendimientos de cosechas y mas aun que se usan semillas cuyo destino es la alimentacion. Por tal motivo en los ultimos anos se han ido estudiando la factibilidad del uso de microalgas para la produccion de biodiesel las cuales pueden superar las limitaciones antes mencionadas. Diversos autores han mostrado metodologias para la extraccion de aceite de diferentes microalgas cuyos rangos de extraccion estan en el orden de 11.2 % a 22.9 %. En el presente trabajo se muestra un metodo modificado (mejorado) para la extraccion de aceite de la microalga Nannocloropsis oculata previamente liofilizada tratado con ultrasonido y mezclas de solventes organicos tales como ciclohexanoisopropanol y cloroformo-metanol. El mayor rendimiento fue alcanzado al usar la mezcla cloroformo-metanol (35.55%±2.05), pero se considera que tiene un efecto negativo en el medio ambiente y a la salud, por ello la mezcla ciclohexano-isopropanol mostro un rendimiento aceptable (31.49%±0.11) siendo menos contaminante para el ambiente. Cuando se trabaja con la mezcla ciclohexano-isopropanol se mostro que no hubo cambios significativos en el tiempo de sonicacion resultando ser 10 minutos el adecuado y la temperatura ideal 56°C. La mezcla cloroformo-metanol mostro una ligera variacion resultando ser tambien el tiempo adecuado 10 minutos y temperatura 48°C.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".