MétaCan
Menu
Retour à la cohorte
Enregistrement W2034724672 · doi:10.4236/ajac.2013.410070

Optimization of Fermentation Medium for Producing α-Hydroxyphenylacetic Acid by Using Plackett-Burman Design and Response Surface Methodology

2013· article· en· W2034724672 sur OpenAlexaff
Zhiguo Hou, Bingmei Chen, Jing Lan, Yueman Liu, Xiaoping Xu, James Yu Gu, Junjie Gu

Notice bibliographique

RevueAmerican Journal of Analytical Chemistry · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEnzyme Catalysis and Immobilization
Établissements canadiensCarleton UniversityUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPlackett–Burman designResponse surface methodologyFermentationYield (engineering)GlycerolChemistryBox–Behnken designFood scienceChromatographyBiotechnologyMathematicsMaterials scienceBiochemistryBiologyMetallurgy

Résumé

récupéré en direct d'OpenAlex

Plackett-Burman design and response surface methodology were applied in order to optimize the fermentation medium of (R)-α-hydroxyphenylacetic acid ((R)-HPA) producing Bacillus sp. HZG-19. The factors playing important roles in the production of (R)-HPA were selected based on Plackett-Burman design. The path of steepest ascent was undertaken to optimize said fermentation medium. Finally, the optimal levels of the factors with the greatest change in regard to product yield were further optimized using Box-Behnken and response surface analysis. The optimal conditions were found to be as follows: casein peptone 30.49 (g × L-1), glycerol 14.09 (g × L-1), KH2PO4 0.1345 (g × L-1), K2HPO4 0.01 (g × L-1), CaCl2 0.1 (g × L-1), MnSO4 0.01 (g × L-1). Under the optimal conditions described above, the yield of (R)-HPA reached 63.30%, which indicated an increase of 14.9%, as compared to the yield obtained before optimization.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,003
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,305
Écart entre enseignants0,278 · 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

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Analytical ChemistryMême sujetEnzyme Catalysis and ImmobilizationTravaux en français237 207