Spent coffee grounds (SCG) are a byproduct of the coffee brewing process, and their quantity continues to increase due to the growing global coffee consumption. SCG contain beneficial compounds such as polysaccharides, dietary fibers, and antioxidants, which can be utilized in various applications, including prebiotic extraction. This study focuses on extracting prebiotics from SCG using acid hydrolysis and enzymatic hydrolysis methods to evaluate their potential in promoting the growth of beneficial gut microorganisms. The expected results of this research include adding value to coffee industry waste, reducing organic waste, and providing a sustainable approach to developing prebiotic products for use in the food and health industries. Furthermore, this study aligns with sustainable resource utilization and environmentally friendly practices.
กาแฟเป็นหนึ่งในสินค้าทางการเกษตรที่มีการบริโภคและผลิตเป็นจำนวนมากทั่วโลก ส่งผลให้เกิดของเสียจากกระบวนการผลิตอย่าง “กากกาแฟ” ในปริมาณมหาศาล กากกาแฟมักถูกทิ้งเป็นขยะอินทรีย์ ซึ่งอาจส่งผลกระทบต่อสิ่งแวดล้อมโดยตรงและทางอ้อม อย่างไรก็ตาม กากกาแฟมีสารประกอบที่เป็นประโยชน์ เช่น โพลีแซ็กคาไรด์ เส้นใยอาหาร และสารฟีนอลิก ซึ่งสามารถนำมาใช้ประโยชน์ในหลายด้าน เช่น การผลิตปุ๋ยหมัก การสกัดสารต้านอนุมูลอิสระ และการผลิตพลังงานชีวภาพ หนึ่งในแนวทางที่ได้รับความสนใจคือการสกัดพรีไบโอติกจากกากกาแฟ เนื่องจากพรีไบโอติกมีบทบาทสำคัญในการส่งเสริมสุขภาพทางเดินอาหาร โดยช่วยกระตุ้นการเจริญเติบโตของจุลินทรีย์ที่มีประโยชน์ เช่น แลคโตบาซิลลัสและบิฟิโดแบคทีเรีย ซึ่งช่วยเสริมภูมิคุ้มกันและลดความเสี่ยงของโรคต่าง ๆ การนำกากกาแฟมาใช้ในการสกัดพรีไบโอติกจึงเป็นแนวทางที่ไม่เพียงช่วยลดปริมาณขยะและใช้ทรัพยากรอย่างมีประสิทธิภาพ แต่ยังเป็นวิธีที่ยั่งยืนและเป็นมิตรต่อสิ่งแวดล้อม
คณะวิทยาศาสตร์
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.
คณะแพทยศาสตร์
Migraine, a prevalent neurological disorder, is the third most common disease globally, causing significant health and financial burdens. It has four stages: prodrome, aura, headache, and postdrome. The prodrome (also known as premonitory) stage is crucial as it precedes the headache by up to 72 hours. Taking medication during the premonitory peroid has shown to prevent the headache phase . However, the symptoms of premonitory period lack specificity, making it difficult for patients to know if they’re experiencing premonitory symptoms. Calcitonin-gene related peptide (cGRP),is a protein that plays a key role in migraine pathogenesis and studies found that salivary cGRP levels increase during the premonitory stage. This study aims to develop and evaluate a lateral flow immunoassay kit for detecting salivary cGRP levels in migraine patients during the prodrome stage. It can serve as a confirmation tool for premonitory symptoms.
คณะวิศวกรรมศาสตร์
Jaundice, a common condition in infants that results from high bilirubin levels in the blood, often requires early diagnosis and monitoring to prevent severe complications, especially in newborns. Traditional diagnostic methods can be time-consuming and subject to human error. This study proposes an approach for real-time jaundice detection using advanced image processing techniques and machine learning algorithms. By analyzing images captured in RGB color spaces, pixel values are extracted and processed through Otsu’s thresholding and morphological operations to detect color patterns indicative of jaundice. A classifier model is then trained to distinguish between normal and jaundiced conditions, offering an automated, accurate, and efficient diagnostic tool. The system’s potential to operate in real-time makes it particularly suited for clinical settings, providing healthcare professionals with timely insights to improve patient outcomes. The proposed method represents a significant innovation in healthcare, combining artificial intelligence and medical imaging to enhance the early detection and management of jaundice, reducing reliance on manual interventions and improving overall healthcare delivery.