Effect of process parameters on succinic acid production in <i>Escherichia coli</i> W3110 and enzymes involved in the reductive tricarboxylic acid cycle
Notice bibliographique
Résumé
The effect of process optimization on succinic acid production by Escherichia coli W3110 and on enzymes involved in the reverse tricarboxylic acid cycle was studied. Approximately, 7.02 g L-1 of succinic acid was produced in 60 h at pH 7.0 in 500 mL anaerobic bottles containing 300 mL of the medium, wherein the sucrose concentration was 2.5%, the ratio of tryptone to ammonium hydrogen phosphate was 1:1, and the concentration of magnesium carbon ate was 1.5%. When these optimized fermentation conditions were employed in a 10 L bioreactor, 11.2 g L-1 of succinic acid was produced in 48 h. This is a 10-fold increase in succinic acid production from the initial titer of 0.94 g L-1. This clearly indicates the importance of process optimization, where by manipulating the media composition and production conditions, a remarkable increase in the production of the desired biomolecule can be obtained. The production of succinic acid is a multi-step reaction through the reverse tricarboxylic acid cycle. A linear relationship was observed between succinic acid production and the enzyme activities. The enzyme activities were found to increase in the order phospho-enol-pyruvate carboxylase<malate dehydrogenase<fumarase<fumarate reductase. The activity of phospho-enol-pyruvate carboxykinase was also estimated. Results indicate that this enzyme was not a very active participant in the production of succinic acid, since it catalyzes the phosphorylation of oxaloacetic acid to yield phospho-enol-pyruvate.
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 | 0,001 | 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 ».