Induction and suppression of <i>Dichomitus squalens</i> and <i>Ceriporiopsis subvermispora</i> peroxidase activity by manganese sulphate in response to carbon and nitrogen sources
Notice bibliographique
Résumé
Abstract Delignification is critical in the production of biofuel from a potentially abundant renewable resource, lignocellulosic waste. One of the classes of lignolytic enzymes are peroxidases. Manganese sulphate (Mn 2+ ) has a significant impact on the peroxidase activity of lignolytic fungi. Along with induction, the suppression of peroxidase activity by Mn 2+ has been observed. Peroxidase regulation is governed by three critical Mn 2+ concentrations: the minimum inductive concentration (MIC), the peak concentration (PC) and the minimum suppressive concentration (MSC). The induction and suppression of enzyme activity were not associated with fungal growth capacity, but with a specific enzyme response to the nutritional conditions. Manipulation of the carbon and nitrogen sources shifted the peroxidase suppression by Mn 2+ to high concentrations and, hence, increased the peroxidase tolerance to Mn 2+ and, consequently, peak peroxidase activities. The manipulation of carbon and nitrogen sources allowed increasing the peak concentrations of Mn 2+ and corresponding peroxidase activity up to 0.5 mg/mL and 180.70 AU (173% increase compared to standard) in C. subvermispora , and up to 0.05 mg/mL and 151.23 AU in D. squalens (91% increase compared to standard). Thus, manipulation of carbon and nitrogen sources is a useful tool in enhancing fungi peroxidase tolerance to Mn 2+ and improving the delignification of lignocellulosic biomass by fungi to prepare an easily consumable substrate for economically viable biofuel production.
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 ».