Microbe Selection and Optimizing Process Parameters for Degradation of Glucosinolates in Rapeseed Meal by Box-Behnken Design
Notice bibliographique
Résumé
The present study applied Aspergillus oryzae, Aspergillus niger, Penicillium purpurogenum, Trichoderma sp. MAB-2010b and Saccharomyces cerevisiae in solid state fermentation to degrade the glucosinolates in rapeseed meal. In addition, SDS-PAGE was used to determine the effect of hydrolysis of those five microbes on peptide size in rapeseed meal. The results indicated that the solid state fermentation with S. cerevisiae degraded the glucosinolates more than those with other microbes. The peptides were hydrolyzed by S. cerevisiae to a greater extent than others. Thus the following procedure was just focused on the solid state fermentation with S. cerevisiae. Box-Behnken design of response surface methodology was applied to optimize the substrate to water ratio, inoculum amount, and duration. The glucosinolate level in rapeseed meal was as the response. The optimal conditions derived from response surface methodology for S. cerevisiae fermentation were: 1.0 of substrate to water ratio, 1.5 mL (equal to 5%) of inoculum amount, and 48 h of duration. The minimum content of glucosinolates was 0.46 μmol/g dry matter. S. cerevisiae used in the present study thus exhibit the potential use in large scale solid state fermentation for increasing nutrition quality of rapeseed meal.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».