Enhancement of a two‐phase partitioning bioreactor system by modification of the microbial catalyst: Demonstration of concept
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
Application of two-phase partitioning bioreactors (TPPB) to the degradation of phenol and xenobiotics has been limited by the fact that many organic compounds that would otherwise be desirable delivery solvents can be utilized by the microorganisms employed. The ability to metabolize the solvent itself could interfere with xenobiotic degradation, limiting remediation efficiency, and hence represents a microbial characteristic incompatible with process goals. To avoid the issue of bioavailability, previous TPPB applications have relied on complex and often expensive delivery solvents or suboptimal catalyst-solvent pairings. In an effort to enhance TPPB activity and applicability, a genetically engineered derivative of Pseudomonas putida ATCC 11172 mutated in its ability to utilize medium-chain-length alcohols was generated (AVP2) and applied as the catalyst within a TPPB system with decanol as the delivery solvent. Kinetic analysis verified that the genetic alteration had not negatively affected phenol degradation. The volumetric productivity of AVP2 (0.48 g/L x h(-1)) was equivalent to that seen for wild-type ATCC 11172 (0.51 g/L x h(-1)), but a comparison of initial cell concentrations and yields revealed an improved phenol-degrading efficiency for the mutant under process conditions. Yield coefficients, cell dry weight, and viable count determinations all confirmed the stability of the modified phenotype. This work illustrates the possibilities for TPPB process enhancement through a careful combination of genetic modification and solvent selection.
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 | 0,000 | 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 découle