Optimization of growth media for enhanced production of laccase by <i>Cryptococcus albidus</i> and its application for bioremediation of chemicals
Notice bibliographique
Résumé
Cryptococcus albidus, isolated from the sediments of Century Pulp and Paper Mill, Lalkuan, Nainital, Uttarakhand, India, produced a copper containing oxidase, laccase, that was capable of degrading environmental pollutants. Bagasse was the most efficient inducer for laccase production. The Taguchi approach was used to optimize the growth media for five factors, i.e., pH, copper sulphate, carbon, nitrogen, and the inducer at four levels using an M-16 orthogonal array. The optimum conditions for laccase production were pH (6), CuSO4 (2 mmol/L), meat peptone (0·5%), glucose (0·1%), and bagasse (1·0%). After optimization, laccase production increased seven times from 32 to 219 IU/mg. The inducer (bagasse) had maximum effect on laccase production leading to 52% increase, while pH had minimum effect with 7% increase. Growth media with laccase activity (2 U/mL) was applied for the bioremediation of dyes, effluent, and chemical compounds. These experiments showed that the growth media with laccase activity (2 U/mL) produced by Cryptococcus albidus had good potential for bioremediation of toxic and recalcitrant compounds. Further, the laccase enzyme extracted from the growth media was fractionated by DEAE-cellulose ion-exchange chromatography, and the molecular weight of the enzyme determined by sodium dodecyl sulphate polyacrylamide gel electrophoresis (SDS – PAGE) was found to be 64 kDa. The activity of laccase was confirmed by native PAGE, in which ABTS was used for staining gel.
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 | 0,000 |
| 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 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 ».