MétaCan
Menu
Retour à la cohorte
Enregistrement W2129239821 · doi:10.1111/ijfs.12365

Cultivable bacterial diversity and amylase production in three typical <scp>D</scp>aqus of <scp>C</scp>hinese spirits

2013· article· en· W2129239821 sur OpenAlexaff
Zuming Li, Zhihui Bai, Deliang Wang, Wujiu Zhang, Michael Zhang, Francis Lin, Liping Gao, Hongxun Zhang

Notice bibliographique

RevueInternational Journal of Food Science & Technology · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEnzyme Production and Characterization
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNational Key Research and Development Program of ChinaKey Technologies Research and Development Program
Mots-clésAmylaseBacteriaBacillus amyloliquefaciensCereusBacillus licheniformisBacillus subtilisBrewingFood scienceBiologyMicrobiologyChemistryEnzymeBacillus cereusBiochemistryFermentation

Résumé

récupéré en direct d'OpenAlex

Summary Both culture‐dependent method and molecular technique were firstly used to simultaneously investigate the cultivable bacterial diversity and amylase production in three typical Daqus of Chinese spirits. The results showed that both cultivable bacterial diversity and amylase production were obviously different. The species of nine bacteria from Deshan, nine from Baisha and six from Wuling Daqus were identified. The total bacterial strains of 17, 15 and 14, and 9, 16 and 10 could produce α‐amylase and glucoamylase, respectively, from the Daqus, and the enzyme yields were different. Bacillus licheniformis, Bacillus subtilis and Bacillus amyloliquefaciens not only were dominant bacteria in the Daqus, but also possessed high activities of α‐amylase and glucoamylase. By comparison, Bacillus cereus and Bacillus oleronius were found to be another predominant bacterial species and good producers of α‐amylase and glucoamylase in Deshan and Wuling Daqus, 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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,242
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Food Science & TechnologyMême sujetEnzyme Production and CharacterizationTravaux en français237 207