Banana Vinegars Production Using Thermotolerant Acetobacter pasteurianus Isolated From Ivorian Palm Wine
Notice bibliographique
Résumé
<p>Vinegar or sour wine is a product of alcoholic and subsequent acetous fermentation of sugary precursors. Among acetic acid producing bacteria, only few genera (<em>Acetobacter and Gluconobacter</em>) are used in vinegar industry. In this paper, we intended to produce vinegar at 37 °C using two <em>Acetobacter</em> <em>pasteurianus</em> strains (S3 and S32). These species were isolated from palm (<em>Elaeis guineensis</em>) wine and presented potentialities for industrial vinegar production at 37 °C. Successive fermentations were carried up and semi-continuous acetous fermentation was performed to increase acid production. Concentrated bananas (<em>Musa ssp.</em>) juice (11°Brix) was fermented using <em>Saccharomyces cerevisae</em> within 7 days, yielding 6.4% alcohol. After fermentation, 60 and 58 g/L acetic acid were produced in vinegars obtained using S3 and S32 stains respectively in 34 days and 5 flow cycles. Malic and acetic acids were the most substantial acids produced in alcoholic juice with 5 631.473 and 2 833.055 mg/L respectively. Among the eight organic acids responsible for vinegars total acidity, acetic acid was major compound with 23 459.416 and 21 268.407 mg/L for S3 and S32 strains respectively. Alcohol and acetic acid fermentation efficiency were 90.9% and 85.39 - 87.63% respectively. All the results above showed that S3 and S32 strains revealed great potentialities for successful industrial vinegar production from overripe banana.</p>
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 | 0,001 |
| 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 ».