เนื่องจากสายพันธุ์ Enterococcus lactis มีความใกล้ชิดกับ E. faecium และ ด้านคุณสมบัติที่เป็นประโยชน์และมีผลทางโปรไบโอติก ในการศึกษานี้ สายพันธุ์ RRS4 ถูกแยกจากหัวไช้เท้าดอง (Raphanus sativus Linn.) และทำการระบุชนิดโดยอาศัยลักษณะทางฟีโนไทป์และจีโนไทป์ สายพันธุ์ RRS4 แสดงความสามารถในการอยู่รอดในสภาวะแวดล้อมที่มี NaCl 2-8% ค่า pH ระหว่าง 4 ถึง 9 และอุณหภูมิระหว่าง 4°C ถึง 45°C การวิเคราะห์จีโนมแบบครอบคลุมยืนยันว่า RRS4 เป็น E. lactis นอกจากนี้ E. lactis RRS4 ยังแสดงฤทธิ์ยับยั้งเชื้อ E. faecalis JCM 5803 ที่ดื้อต่อวานโคมัยซิน การประเมินความปลอดภัยโดยใช้วิธี in silico รวมถึงการวิเคราะห์ด้วย KEGG annotation พบว่า E. lactis RRS4 ไม่มียีนที่เกี่ยวข้องกับความรุนแรงของเชื้อหรือยีนที่ไม่พึงประสงค์ การวิเคราะห์ด้วย VirulenceFinder พบว่ายีนที่เกี่ยวข้องกับความรุนแรงของเชื้อมีความสอดคล้องกับยีนใน E. lactis สามสายพันธุ์ และ E. faecium สี่สายพันธุ์ แม้ว่าจะพบว่ายีนต้านทานยาปฏิชีวนะยังคงมีอยู่ แต่ไม่มีความสัมพันธ์กับลักษณะการก่อโรคที่สำคัญ นอกจากนี้ การประเมินความปลอดภัยยังชี้ให้เห็นว่า E. lactis RRS4 มีความปลอดภัยโดยทั่วไป แม้ว่าจะมียีนที่เกี่ยวข้องกับการดื้อยาปฏิชีวนะก็ตาม สุดท้ายนี้ เราขอเสนอแนวทางในการประเมินความปลอดภัยของสายพันธุ์จุลินทรีย์โดยใช้การวิเคราะห์จีโนมทั้งหมด ซึ่งผลการศึกษานี้เป็นก้าวสำคัญในการวิจัยโปรไบโอติก
ปัจจุบันมีงานวิจัยเกี่ยวกับโพรไบโอติกส์เพิ่มมากขึ้น เนื่องจากโพรไบโอติกส์มีประโยชน์ต่อสุขภาพมนุษย์โดยเฉพาะระบบทางเดินอาหาร เช่น ช่วยการปรับสมดุลลำไส้ กระตุ้นการทำงานของ ระบบภูมิคุ้มกัน ส่งเสริมกระบวนการย่อยอาหาร ลดระดับคอเลสเตอรอล ถึงแม้โพรไบโอติกส์จะมีประโยชน์มากแต่ก็ควรบริโภคในปริมาณที่เหมาะสม หากได้รับมากเกินไปอาจส่งผลเสียต่อร่างกายได้ โดยโพรไบโอติกส์สามารถพบได้ทั้งในแบคทีเรียและยีสต์ที่มีชีวิตหลายชนิด แต่ชนิดที่พบมากที่สุดและถูกใช้ในผลิตภัณฑ์อาหารเสริมมักจะอยู่ในกลุ่มของแบคทีเรียกรดแลคติก
วิทยาลัยการจัดการนวัตกรรมและอุตสาหกรรม
งานวิจัยนี้นำเสนอการพัฒนาเส้นใยนาโนคาร์บอนที่มีโครงสร้างหลายเฟสผสมออกไซด์ของโลหะ (CNF@MOx; M = Ag, Mn, Bi, Fe) โดยฝังอนุภาคนาโนของเงิน แมงกานีส บิสมัท และเหล็ก ลงในเส้นใยนาโนคาร์บอนที่ได้จากพอลิอะคริโลไนไตรล์ (PAN) ผ่านเทคนิคอิเล็กโทรสปินนิ่งและผ่านการอบชุบในบรรยากาศอาร์กอน ผลลัพธ์แสดงให้เห็นว่าเส้นใยนาโนที่ได้มีโครงสร้างที่เป็นระเบียบ เส้นผ่านศูนย์กลางเฉลี่ย 559-830 นาโนเมตร และมีอนุภาคนาโนฝังตัวขนาด 9-21 นาโนเมตร การวิเคราะห์เชิงโครงสร้างยืนยันการมีอยู่ของสถานะออกซิเดชันต่างๆ ของโลหะออกไซด์ ซึ่งมีบทบาทสำคัญในกลไกการเก็บประจุไฟฟ้า ผลการทดสอบทางไฟฟ้าเคมีพบว่า CNF@Ag/Mn/Bi/Fe-20 มีค่าความจุจำเพาะสูงสุดที่ 156 F g⁻¹ ที่อัตราการสแกน 2 mV s⁻¹ และมีเสถียรภาพสูง โดยยังคงค่าความจุได้มากกว่า 96% หลังจากการชาร์จ-คายประจุ 1400 รอบ กลไกการเก็บประจุของเส้นใยนี้เกิดจากการทำงานร่วมกันระหว่างความสามารถในการเก็บประจุแบบชั้นคู่ไฟฟ้าและกระบวนการรีดอกซ์ ซึ่งช่วยเพิ่มประสิทธิภาพของวัสดุอิเล็กโทรดสำหรับตัวเก็บประจุยิ่งยวด
คณะวิศวกรรมศาสตร์
โครงงานนี้มีวัตถุประสงค์เพื่อนำเสนอแนวทางการออกแบบห้องแปรรูปเครื่องในแดงสำหรับโรงงานแปรรูปสุกร ที่มีการแปรรูปสุกร 500 ตัวต่อวันหรือ 80 ตัวต่อชั่วโมง น้ำหนักสุกรเฉลี่ยประมาณ 105 กิโลกรัม/ตัว มีเครื่องในแดงอยู่ร้อยละ 3.47 เพื่อทำการแยกชิ้นส่วน ตับ ขั้วตับ หัวใจ ปอด ม้ามและไต ตามต้องการ และทำการแช่ในน้ำเย็นเพื่อลดอุณหภูมิให้ต่ำกว่า 7 องศาเซลเซียส แล้วจึงนำบรรจุและปิดผนึก การคัดแยกใช้จำนวนชิ้นและน้ำหนักเป็นเกณฑ์ในการคัดแยกตามแต่ชนิด เวลาในการแปรรูป การแช่น้ำเย็นและการบรรจุมีความแตกต่างกันตามชนิดและขนาดสินค้า ข้อมูลในการออกแบบได้จากการเก็บข้อมูลในสายการผลิตปัจจุบันและข้อมูลอ้างอิงตามมาตรฐานต่าง ๆ ออกแบบห้องแปรรูปตามหลักการวางผังโรงงานอย่างเป็นระบบ (Systematic Layout Planning: SLP) วิเคราะห์ความสัมพันธ์ของกิจกรรมภายในห้อง จัดทำแผนผังสำหรับการกำหนดพื้นที่ใช้งาน คำนวณขนาดอุปกรณ์และจำนวนผู้ปฏิบัติงานที่จำเป็นต่อการใช้งาน พื้นที่ของห้องเครื่องในแดงถูกออกแบบมีขนาด 56 ตารางเมตร หลังจากออกแบบแผนผังได้มีการจำลองห้องในรูปแบบ 3 มิติด้วยโปรแกรม SketchUp 2024 พร้อมทั้งจำลองและวิเคราะห์การทำงานในห้องด้วยโปรแกรม Flexsim 2024
คณะวิทยาศาสตร์
ในยุคที่ข้อมูลรีวิวสินค้าบนแพลตฟอร์มอีคอมเมิร์ซมีจำนวนมาก การสรุปความคิดเห็นให้เข้าใจง่ายและใช้งานได้จริงจึงเป็นสิ่งสำคัญ งานวิจัยนี้นำเสนอระบบวิเคราะห์รีวิวสินค้าด้วย Aspect-Based Sentiment Analysis (ABSA) ซึ่งเป็นเทคนิคใน Natural Language Processing (NLP) ที่สามารถแยกแยะแง่มุมสำคัญของรีวิว (เช่น การจัดส่ง คุณภาพสินค้า บรรจุภัณฑ์) และวิเคราะห์อารมณ์ (บวก ลบ หรือเป็นกลาง) ของแต่ละแง่มุม ระบบนี้ช่วยให้ผู้บริโภคและร้านค้าสามารถเข้าถึงข้อมูลเชิงลึกได้อย่างมีประสิทธิภาพ โครงการนี้ได้พัฒนา AI สำหรับการวิเคราะห์ ABSA ภาษาไทย โดยใช้ WangchanBERTa ซึ่งฝึกบนข้อมูลภาษาไทย และเปรียบเทียบกับโมเดลต่างๆ เช่น TF-IDF + Logistic Regression, Word2Vec + BiLSTM, และ Multilingual BERT (mBERT/XLM-R) เพื่อประเมินประสิทธิภาพในด้านความแม่นยำ ความเร็ว และการใช้ทรัพยากร นอกจากนี้ยังมีการแสดงผลผ่าน Dashboard Visualization เพื่อให้ผู้ใช้เข้าใจแนวโน้มของรีวิวได้อย่างรวดเร็ว ผลลัพธ์ที่คาดหวังคือการพัฒนาเครื่องมือ AI ที่ใช้งานจริงในอุตสาหกรรมอีคอมเมิร์ซ ช่วยให้ผู้บริโภคตัดสินใจซื้อสินค้าได้ง่ายขึ้น และช่วยร้านค้าในการปรับปรุงผลิตภัณฑ์และบริการได้อย่างมีประสิทธิภาพ