Secretion of keratinolytic enzymes and keratinolysis by<i>Scopulariopsis brevicaulis</i>and<i>Trichophyton mentagrophytes</i>: regression analysis
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
A survey on keratinophilic fungi from poultry-farm soils at Namakkal and from feather dumping soils at Chennai, India, revealed the existence of 34 species of fungi. Most of the fungi exhibited variable efficiency in producing extracellular keratinase when grown in plates with chicken feathers as the sole carbon and nitrogen source. The fungi Aspergillus flavus, Aspergillus niger, Aspergillus versicolor, Chrysosporium state of Arthroderma tuberculatum, Paecilomyces carneus, Scopulariopsis brevicaulis, Trichoderma viride, and Trichophyton mentagrophytes were efficient candidates to degrade the feathers. However, when cultivating the strains in submerged conditions in a medium containing chicken feathers as the sole nutrients source, Aspergillus glaucus, Chrysosporium keratinophilum, Curvularia lunata, Fusarium solani, and Penicillium citrinum also proved to be potent. Among all species, S. brevicaulis and Trichophyton mentagrophytes produced higher amounts of keratinase in both methods. Conditions for keratinase production were optimized by statistical design and surface plots. The highest keratinase activity was estimated by S. brevicaulis (3.2 KU/mL) and Trichophyton mentagrophytes (2.7 KU/mL) in the culture medium with chicken feathers and shows (79% and 72.2% of degrading ability, respectively).
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