Optimization of lipids production by Cryptococcus laurentii 11 using cheese whey with molasses
Notice bibliographique
Résumé
This study aimed the optimization of culture condition and composition for production of Cryptococcus laurentii 11 biomass and lipids in cheese whey medium supplemented with sugarcane molasses. The optimization of pH, fermentation time, and molasses concentration according to a full factorial statistical experimental design was followed by a Plackett-Burman experimental design, which was used to determine whether the supplementation of the culture medium by yeast extract and inorganic salts could provide a further enhancement of lipids production. The following conditions and composition of the culture medium were found to optimize biomass and lipids production: 360 h fermentation, 6.5 pH and supplementation of (g L(-1)): 50 molasses, 0.5 yeast extract, 4 KH2PO4, 1 Na2HPO4, 0.75 MgSO4 · 7H2O and 0.002 ZnSO4 · H2O. Additional supplementation with inorganic salts and yeast extract was essential to optimize the production, in terms of product concentration and productivity, of neutral lipids by C. laurentii 11. Under this optimized condition, the production of total lipids increased by 133% in relation to control experiment (from 1.27 to 2.96 g L(-1)). The total lipids indicated a predominant (86%) presence of neutral lipids with high content of 16- and 18-carbon-chain saturated and monosaturated fatty acids. This class of lipids is considered especially suitable for the production of biodiesel.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».