MétaCan
Menu
Retour à la cohorte
Enregistrement W1479785539 · doi:10.1155/2015/861874

Tolerance of Chemoorganotrophic Bioleaching Microorganisms to Heavy Metal and Alkaline Stresses

2015· article· en· W1479785539 sur OpenAlexaff
Annick Monballiu, Nele Cardon, Minh Tri Nguyen, Christel Cornelly, Boudewijn Meesschaert, Yi Wai Chiang

Notice bibliographique

RevueBioinorganic Chemistry and Applications · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Extraction and Bioleaching
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésBioleachingChemistryCadmiumMicroorganismZincAspergillus nigerArsenicEnvironmental chemistryMetalBacterial growthNickelMetallurgyFood scienceBacteriaCopperMaterials science

Résumé

récupéré en direct d'OpenAlex

The bioleaching potential of the bacterium Bacillus mucilaginosus and the fungus Aspergillus niger towards industrial residues was investigated by assessing their response towards various heavy metals (including arsenic, cadmium, cobalt, chromium, nickel, lead, and zinc) and elevated pH. The plate diffusion method was performed for each metal to determine the toxicity effect. Liquid batch cultures were set up for more quantitative evaluation as well as for studying the influence of basicity. Growth curves were prepared using bacterial/fungal growth counting techniques such as plate counting, optical density measurement, and dry biomass determination. Cadmium, nickel, and arsenite had a negative influence on the growth of B. mucilaginosus, whereas A. niger was sensitive to cadmium and arsenate. However, it was shown that growth recovered when microorganisms cultured in the presence of these metals were inoculated onto metal-free medium. Based on the findings of the bacteriostatic/fungistatic effect of the metals and the adaptability of the microorganisms to fairly elevated pH values, it is concluded that both strains have potential applicability for further research concerning bioleaching of alkaline waste materials.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,012
Tête enseignante GPT0,222
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioinorganic Chemistry and ApplicationsMême sujetMetal Extraction and BioleachingTravaux en français237 207