Solid-state fermentation of coconut kernel-cake as substrate for the production of lipases by the coconut kernel-associated fungus Lasiodiplodia theobromae VBE-1
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Plant oil-extracted seed-cakes are good fermentation substrates for producing lipases that find application in transesterification of seed oils into biodiesel. This work describes the production of lipases by five lipolytic, oil-seed associated fungi ( Aspergillus niger, Chalaropsis thielavioides, Colletotrichum gloeosporioides, Lasiodiplodia theobromae , and Phoma glomerata ) by Solid-State Fermentation (SSF) on eight plant oil-seed cakes. The highest lipase activity was from the Coelomycete Lasiodiplodia theobromae VBE-1 grown on coconut kernel-cake, and was selected to optimize lipase production. The effects of supplementing coconut kernel-cake with mineral salts and coconut oil on lipase production by L. theobromae VBE-1 resulted in enhanced lipase activity. The effects of time of growth, moisture content, initial pH, temperature, as well as nutritional factors (carbon, nitrogen, vegetable oils, surfactants) when added to coconut kernel-cake, on lipase production were examined by a one-factor-at-a-time approach, and identified key variables for optimization by Response Surface Methodology (RSM). A 2 6 factorial central-composite experimental design with eight starting points and six replicates at the central point was used for lipase optimization. After validating the predicted levels of the factors, lipase production rose to 698 U/g Dry Substrate (DS) over un-optimized conditions (450 U/g DS).
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.
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 | 0,001 |
| 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 découle