Screening of ligninolytic fungi for biological pretreatment of lignocellulosic biomass
Notice bibliographique
Résumé
To identify white rot fungi with high potential in biological pretreatment of lignocellulosic biomass, preliminary screening was carried out on plates by testing different strains for their ability to oxidize guaiacol and decolorize the dyes azure B and Poly R-478. Of the 86 strains screened, 16 were selected for secondary screening for their ligninolytic ability; however, low manganese peroxidase activity and no lignin peroxidase activity were detected. Strain BBEL0970 proved to be the most efficient in laccase production and was subsequently identified as Trametes versicolor by analysis of the ribosomal DNA internal transcribed spacer gene sequence. In combining laccase production with biological pretreatment, the replacement of glucose with barley straw significantly improved the laccase activity by up to 10.3 U/mL, which provided evidence toward potential utilization of barley straw in laccase production by BBEL0970. Simultaneously, comparison by thermogravimetric analysis of the untreated and pretreated barley straw in liquid fermentation of laccase also demonstrated the high potential of BBEL0970 in biological pretreatment of lignocellulosic biomass. This work sheds light on further exploration on the integrated process of low-cost laccase production and efficient biological pretreatment of barley straw by T. versicolor BBEL0970.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».