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
คณะอุตสาหกรรมอาหาร
Banana Blossom Chips is a healthy snack rich in dietary fiber, antioxidants, and plant-based protein. It is a result of combining local Thai ingredients: banana blossoms, which are high in dietary fiber and antioxidants, chickpea flour, a source of plant-based protein, and red jasmine brown rice, which has a low GI value and high antioxidants. It is processed to create crispiness and a unique shape, reduces fat, is gluten-free, and helps maintain nutritional value. Therefore, it is a new alternative for health-conscious consumers and adds value to Thai agricultural products.
คณะวิทยาศาสตร์
Nowadays, automobiles are the most widely used form of transportation. This increases the risk of accidents. Therefore, car users prefer to get insurance to reduce the risk in the event of an accident. As for the insurance company, the company will be responsible for damages according to the conditions of the policy. One of the duties of a company's claims department is to procure spare parts to control costs. However, in the case of compensation, there may be erroneous operations, such as ordering the wrong parts or ordering more than necessary. Currently, insurance companies do not have a very efficient management system. This research aims to develop a system for managing and storing automobile parts for insurance companies. The system is designed to be able to track the status of spare parts from storage to disbursement. It uses barcode technology to increase accuracy and reduce errors in data recording. Such a system will help insurance companies manage spare parts systematically, reduce unnecessary costs, and increase efficiency in providing services.
คณะเทคโนโลยีสารสนเทศ
Facial Expression Recognition (FER) has attracted considerable attention in fields such as healthcare, customer service, and behavior analysis. However, challenges remain in developing a robust system capable of adapting to various environments and dynamic situations. In this study, the researchers introduced an Ensemble Learning approach to merge outputs from multiple models trained in specific conditions, allowing the system to retain old information while efficiently learning new data. This technique is advantageous in terms of training time and resource usage, as it reduces the need to retrain a new model entirely when faced with new conditions. Instead, new specialized models can be added to the Ensemble system with minimal resource requirements. The study explores two main approaches to Ensemble Learning: averaging outputs from dedicated models trained under specific scenarios and using Mixture of Experts (MoE), a technique that combines multiple models each specialized in different situations. Experimental results showed that Mixture of Experts (MoE) performs more effectively than the Averaging Ensemble method for emotion classification in all scenarios. The MoE system achieved an average accuracy of 84.41% on the CK+ dataset, 54.20% on Oulu-CASIA, and 61.66% on RAVDESS, surpassing the 71.64%, 44.99%, and 57.60% achieved by Averaging Ensemble in these datasets, respectively. These results demonstrate MoE’s ability to accurately select the model specialized for each specific scenario, enhancing the system’s capacity to handle more complex environments.