An image analysis technique to estimate the cell density and biomass concentration of<i>Trichoderma reesei</i>
Notice bibliographique
Résumé
AIM: The objective is to develop an automated image analysis protocol to quantify the cell volume fraction of filamentous fungi (Trichoderma reesei) and estimate the biomass concentration. METHODS AND RESULTS: Both dry weight and image analyses were performed on samples collected periodically from 7-l stirred tank fermentations. Using the projected area of lactophenol blue-stained hyphae, the fraction occupied by the cells in a given volume was estimated. Combined with the biomass dry weight obtained by filtration, the method was used to estimate the density of filamentous fungi. Knowing the density of fungi, the algorithm was employed to quantitatively assess the biomass evolution during the course of fermentation even in the presence of solid particles. CONCLUSIONS: A density of 0.334 g dry weight cm(-3) was found for T. reesei RUT C-30. The image analysis protocol allowed successful estimation of biomass concentration in the presence or absence of solid particles. SIGNIFICANCE AND IMPACT OF THE STUDY: Methods to quantify biomass during the industrial production of cellulase with T. reesei are often limited due to the presence of solid substrates. The image analysis protocol presented here offers a quick and easy way to estimate biomass concentration of filamentous micro-organisms in insoluble medium.
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 | 0,001 |
| 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 ».