Microalgae are rich in bioactive compounds that may contribute to the growth of probiotics, which require appropriate nutrients, known as prebiotics, to thrive. This study aims to evaluate the effectiveness of crude extracts from intracellular components residues of the microalga Chlorella sp. KLSc61 in promoting the growth of the probiotic bacterium Lactiplantibacillus plantarum JCM1149 under simulated gastrointestinal conditions. The intracellular extracts were obtained using 70% (v/v) ethanol, and their effects on probiotic growth were tested at concentrations of 0.1%, 0.75% and 1.5%. The growth of Lactiplantibacillus plantarum JCM1149 was assessed using the drop plate method. The findings of this study will provide insights into the potential of Chlorella sp. KLSc61 extracts in enhancing probiotic growth, which could lead to the development of synbiotic dietary supplements containing both probiotics and prebiotics. Additionally, this study may serve as a foundation for further research on the role of microalgal extracts in gut health and immune system modulation.
ในปัจจุบันผู้บริโภคมีความตระหนักถึงความสำคัญของการรักษาสมดุลในระบบย่อยอาหารมากขึ้น เนื่องจากระบบย่อยอาหาร มีผลต่อการทำงานของระบบภูมิคุ้มกันและสุขภาพโดยรวม เซลล์ภูมิคุ้มกันของร่างกายอาศัยอยู่ในระบบทางเดินอาหารประมาณ 70-80% (Bergenhenegouwen et al., 2021) การดูดซึมสารอาหาร การเสริมสร้างระบบภูมิคุ้มกัน และสุขภาพจิต หนึ่งในกลไกที่ช่วยส่งเสริมสุขภาพลำไส้ คือการบริโภคโพรไบโอติกหรือจุลินทรีย์มีชีวิตที่มีประโยชน์ต่อร่างกาย เมื่อบริโภคในปริมาณที่เหมาะสม จะช่วยส่งเสริมสุขภาพของผู้บริโภคโดยการรักษาสมดุลของจุลินทรีย์ในลำไส้อย่างไรก็ตาม เพื่อให้โพรไบโอติกสามารถเจริญเติบโตและทำงานได้อย่างเต็มประสิทธิภาพ จำเป็นต้องมีสารอาหารที่ช่วยกระตุ้นการทำงานของโพรไบโอติก นั่นคือ พรีไบโอติก พรีไบโอติก เป็นใยอาหารชนิดพิเศษที่ร่างกายไม่สามารถย่อยได้ แต่เป็นแหล่งอาหารที่สำคัญของโพรไบโอติก เมื่อโพรไบโอติกได้รับสารอาหารที่เพียงพอจากพรีไบโอติก จุลินทรีย์เหล่านี้จะสามารถเติบโตและทำหน้าที่ในการปรับสมดุลของจุลินทรีย์ในลำไส้ได้ดีขึ้น การบริโภคผลิตภัณฑ์ที่มีทั้งพรีไบโอติกและโพรไบโอติก หรือ ซินไบโอติกจึงเป็นวิธีที่มีประสิทธิภาพในการส่งเสริมสุขภาพลำไส้และป้องกันปัญหาต่าง ๆ เช่น อาการท้องผูก การอักเสบในลำไส้ และการเกิดโรคลำไส้อักเสบ โดยพรีไบโอติกส์ที่เป็นที่นิยมส่วนใหญ่พบในสาหร่าย น้ำผลไม้ เปลือก เมล็ด พืชสมุนไพรจีนดั้งเดิม และจุลินทรีย์ที่เกี่ยวข้องกับโพลีแซกคาไรด์ โพลีฟีนอล และโพลีเปปไทด์ (Wang et al., 2021) ดังนั้น ผู้จัดทำนี้จึงสนใจที่จะทำการศึกษาสารสกัดหยาบจากสารภายในเซลล์สาหร่ายขนาดเล็ก Chlorella sp. KLSc61 เพื่อประเมินความสามารถในการส่งเสริมการเจริญเติบโตของจุลินทรีย์โพรไบโอติกสายพันธุ์ Lactobacillus plantarum JCM 1149 ภายใต้สภาวะระบบย่อยอาหารจำลอง เพื่อทราบถึงประสิทธิภาพสารสกัดสาหร่าย Chlorella sp. KLSc61 ในการส่งเสริมสุขภาพของระบบย่อยอาหาร และเป็นแนวทางในการพัฒนา ผลิตภัณฑ์อาหารเสริมที่มีโพรไบโอติกและพรีไบโอติกในอนาคต
คณะบริหารธุรกิจ
Parking space shortages in urban areas contribute to traffic congestion, inefficient land use, and environmental challenges. Automated Parking Systems (APS) provide an innovative solution by optimizing space utilization, reducing search times, and minimizing carbon emissions. This research investigates key factors influencing user adoption of APS technology using the UTAUT2 framework, focusing on variables such as Performance Expectancy, Effort Expectancy, Social Influence, Trust in Technology, and Environmental Consciousness. The APS Evolution project presents a smart parking solution that enhances efficiency, minimizes environmental impact, and improves user experience in urban settings. The initiative emphasizes technology-driven urban mobility and sustainable parking management to align with the evolving needs of modern cities.
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
A Photographic series that expresses the abstract states of myself, towards the question of existence that results from being surrounded by expectations of both surrender and freedom of expression, this series focuses on my own subjectivities in order to bring back memories of almost forgotten feelings and make them clear once more.
คณะวิทยาศาสตร์
With the development of space technology, wide-field sky surveys using telescopes have expanded the range of new data available for time-domain astronomical research. Traditional data analysis methods can no longer respond quickly and accurately enough to the growing volume of data. Thus, classifying time-series data, such as light curves, has become a significant challenge in the era of big data. In modern times, analyzing light curves has become essential for using machine learning techniques to handle and filter through massive amounts of data. Machine learning algorithms can be divided into two categories: shallow learning and deep learning. Numerous researchers have proposed and developed a variety of algorithms for light curve classification. In this study, we experimented with Support Vector Machine (SVM) and XGBoost, which are shallow machine learning algorithms, as well as 1D-CNN and Long Short-Term Memory (LSTM), which are deep learning algorithms, which are branches of deep machine learning, to classify variable stars. The training and testing data used in this study were from the Optical Gravitational Lensing Experiment-III (OGLE-III), consisting of variable star data from the Large Magellanic Cloud (LMC), categorized into five main classes: Classical Cepheids, δ Scutis, eclipsing binaries, RR Lyrae stars, and Long-period variables. The results demonstrate the performance analysis of each machine learning algorithm type applied to light curve data, while also highlighting the accuracy and statistical metrics of the algorithms used in the experiments.