MétaCan
Menu
Retour à la cohorte
Enregistrement W2069753871 · doi:10.1080/15320383.2011.560981

Isolation and Characterization of Biosurfactant-and Bioemulsifier-Producing Bacteria from Petroleum Contaminated Sites in Western Canada

2011· article· en· W2069753871 sur OpenAlexafffundabout
Hui Yu, Guohe Huang

Notice bibliographique

RevueSoil and Sediment Contamination An International Journal · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicrobial bioremediation and biosurfactants
Établissements canadiensUniversity of Regina
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésIsolation (microbiology)BacteriaContaminationPetroleumMicrobiologyChemistryFood scienceBiologyEcologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Biosurfactant-producing bacteria were isolated from two petroleum contaminated sites in western Canada. Seven potential biosurfactant/bioemulsifier-producing isolates were screened and characterized. All of the seven isolates were able to form emulsions. Emulsion-stabilizing capacity was also measured up to 48 hrs. Strain C-111-2 and C-203-2 would lead to highly reduced surface tension. For strain C-203-2, the optimum conditions that supported bacteria growth and production were investigated. The influences of carbon sources, medium pH values, and temperature were taken into account. The experimental results indicated that the crude oil and glucose were promising carbon sources for biosurfactants production; the isolated strains produced a maximum concentration of biosurfactant in a neutral pH environment and showed a higher surface activity under the temperature level of 35°C than that under 10°C. To further optimize the carbon and nitrogen source for biosurfactant production, response surface methodology (RSM) was applied to explore the favorable concentration of two carbon sources: glucose, crude oil, and one nitrogen source, NaNO3. The optimal concentration of 8.1g/L, 4% and 3.9 g/L for glucose, crude oil, and NaNO3, respectively, which can be obtained through RSM analysis.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,288
Score d'incertitude au seuil0,579

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,207
Écart entre enseignants0,194 · 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

Citations25
Publié2011
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSoil and Sediment Contamination An International JournalMême sujetMicrobial bioremediation and biosurfactantsTravaux en français237 207