This study aims to investigate the co-encapsulation technique of vitamin C and coenzyme Q10 within liposomes to enhance their stability and encapsulation efficiency and evaluate their antioxidant activity and release behavior under simulated gastrointestinal conditions. Liposomes were prepared using the High-Speed Homogenization Method, and their characteristics, including particle size, zeta potential, encapsulation efficiency, and antioxidant activity, were analyzed using DPPH, ABTS, and FRAP assays. The results demonstrated that co-encapsulation significantly improved the stability of vitamin C and coenzyme Q10 compared to single encapsulation. The liposomes exhibited high encapsulation efficiency and maintained strong antioxidant activity. The release profile under simulated gastrointestinal conditions also indicated a sustained and controlled release. These findings highlight the potential of the co-encapsulation technique in enhancing the efficacy of functional bioactive compounds, making it applicable to the food and nutraceutical industries.
ประเทศไทยกำลังก้าวเข้าสู่สังคมผู้สูงอายุ ทำให้เกิดความต้องการผลิตภัณฑ์ที่ช่วยเสริมสุขภาพ โดยเฉพาะสารต้านอนุมูลอิสระที่ช่วยป้องกันการเสื่อมของเซลล์ โคเอนไซม์คิวเท็น (CoQ10) เป็นสารสำคัญที่ช่วยผลิตพลังงานในเซลล์และมีบทบาทในการปกป้องเซลล์จากความเสียหาย โดยปกติโคเอนไซม์คิวเท็นเป็นสารที่ร่างกายสามารถผลิตเองได้แต่เมื่ออายุมากขึ้นจะทำให้การผลิตโคเอนไซม์คิวเท็นลดลง ส่วน วิตามินซี เป็นสารต้านอนุมูลอิสระที่ช่วยเสริมภูมิคุ้มกันและกระตุ้นการสร้างคอลลาเจน การห่อหุ้มร่วม (Co-encapsulation) ใน ลิโปโซม (Liposome) ช่วยเพิ่มเสถียรภาพของสารสำคัญ ป้องกันการเสื่อมสลายของสารสำคัญในระบบทางเดินอาหาร โดยลิโปโซมสามารถกักเก็บสารที่ละลายในน้ำและไขมันไว้ภายในโครงสร้างเดียวกัน นอกจากนี้ จากการศึกษายังพบว่าการใช้เทคนิคนี้สามารถเพิ่มประสิทธิภาพในการเก็บรักษาได้ ดังนั้น การวิจัยนี้จึงมีเป้าหมายเพื่อพัฒนาการห่อหุ้มร่วมของวิตามินซีและโคเอนไซม์คิวเท็น เพื่อเพิ่มประสิทธิภาพของสารทั้งสองในการดูแลสุขภาพและความงาม
คณะเทคโนโลยีการเกษตร
This study aimed to investigate the effects of different salinity levels on survival rate and growth performance of golden apple snail (Pomacea canaliculata). The experiment was conducted at salinity levels of 0, 5, 10, and 15 ppt, with four replicates each, over an 8-week period. The results showed that golden apple snails reared at 5-10 ppt exhibited survival rates and growth performance not significantly different (p>0.05) from those in the freshwater control group (0 ppt). These findings suggest the potential for developing golden apple snail culture in brackish water systems and the possibility of integration with other brackish water species in polyculture systems.
คณะวิทยาศาสตร์
The current residential solar panels lack an adequate monitoring system, which hinders their optimal utilization. This research aims to design an Internet of Things (IoT) monitoring system and employ machine learning techniques to predict the current and voltage generated by solar panels. Experimental studies have revealed a correlation between dust accumulation and the current output of solar panels. The proposed system facilitates the prediction of the optimal time for cleaning solar panels.
คณะวิศวกรรมศาสตร์
The Thai Sign Language Generation System aims to create a comprehensive 3D modeling and animation platform that translates Thai sentences into dynamic and accurate representations of Thai Sign Language (TSL) gestures. This project enhances communication for the Thai deaf community by leveraging a landmark-based approach using a Vector Quantized Variational Autoencoder (VQVAE) and a Large Language Model (LLM) for sign language generation. The system first trains a VQVAE encoder using landmark data extracted from sign videos, allowing it to learn compact latent representations of TSL gestures. These encoded representations are then used to generate additional landmark-based sign sequences, effectively expanding the training dataset using the BigSign ThaiPBS dataset. Once the dataset is augmented, an LLM is trained to output accurate landmark sequences from Thai text inputs, which are then used to animate a 3D model in Blender, ensuring fluid and natural TSL gestures. The project is implemented using Python, incorporating MediaPipe for landmark extraction, OpenCV for real-time image processing, and Blender’s Python API for 3D animation. By integrating AI, VQVAE-based encoding, and LLM-driven landmark generation, this system aspires to bridge the communication gap between written Thai text and expressive TSL gestures, providing the Thai deaf community with an interactive, real-time sign language animation platform.