Bacteriophages as antimicrobial agents against bacterial contaminants in yeast fermentation processes
Notice bibliographique
Résumé
BACKGROUND: The emergence of biofuels produced through yeast fermentation represents an important avenue for sustainable energy production. Despite all its advantages, this process is vulnerable to contamination by other organisms - most commonly lactic acid bacteria - that are present in raw feedstocks and/or in production lines. These contaminants compete with the yeast for nutrients, reducing the overall biofuel yield, and release substances that inhibit yeast growth. Here, we investigated the application of bacteriophages as potential antibacterial agents in yeast fermentation. RESULTS: Experiments conducted to understand the impact of pH on yeast, bacterial, and phage development showed that the yeast Saccharomyces cerevisiae Superstart™ grew in a similar fashion at pH levels ranging from 3 to 6. Growth of Lactobacillus plantarum ATCC® 8014™ was inhibited by pH levels of less than 4, and phages ATCC® 8014-B1™ (phage B1) and ATCC® 8014-B2™ (phage B2) displayed different infectivities within the pH range tested (pH 3.5 to 7). Phage B1 showed the best infectivity at pH 6, while phage B2 was most virulent at pH levels ranging from 4 to 5, and the cocktail of these phages showed highest infectivity in the range from pH 4 to 6. Population dynamics studies in MRS medium at pH 6 showed that, in the presence of bacteria inoculated at 10(7) cells/ml, yeast cultures were impeded under aerobic and anaerobic conditions, showing major decreases in both cell yield and ethanol production. The addition of the phage cocktail at a low initial multiplicity of infection was sufficient to reduce contamination by over 99%, and to allow yeast and ethanol yields to reach values equivalent to those of axenic cultures. CONCLUSIONS: From the results observed, phages are good candidates as antimicrobial agents, to be used in place of or in conjunction with antibiotics, in yeast fermentation processes. Their implementation with other common contamination abatement/prevention methods could further increase their efficacy.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».