MétaCan
Menu
Retour à la cohorte
Enregistrement W2150188410 · doi:10.1139/w04-061

Optimization of casein-based semisynthetic medium for growing of toxigenic<i>Corinebacterium diphtheriae</i>in a fermenter

2004· article· en· W2150188410 sur OpenAlexvenueno aff
Andrey Tchorbanov, Jordan D. Dimitrov, Tchavdar L. Vassilev

Notice bibliographique

RevueCanadian Journal of Microbiology · 2004
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueToxin Mechanisms and Immunotoxins
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDiphtheria toxinToxinCorynebacterium diphtheriaeFood scienceCaseinHydrolysateDiphtheriaChemistryYield (engineering)FermentationMicrobiologyBiochemistryBiologyHydrolysisMaterials science

Résumé

récupéré en direct d'OpenAlex

Diphtheria toxin is produced by growing Corinebacterium diphtheriae either in a semisynthetic casein-based medium or in the Pope-Lingood meat extract based medium. The World Health Organization advises the use of the semisynthetic one, as it has important advantages. Data on the composition of casein-based media and their ability to support high toxin production are not freely available. Important factors affecting toxin production during C. diphtheriae cultivation are the pH of the culture medium and the concentration of casein hydrolysate and of Fe2+. We established that the optimal pH for toxin production is 7.2. The highest yield of toxin was obtained using a casein hydrolysate concentration of 35.0 g/L and a Fe2+ concentration of 0.05-0.41 microg/mL. Under these conditions, diphtheria toxin with higher purity and yield compared with the batches obtained using the meat-based medium of Pope-Lingood was produced.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,623

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,008
Tête enseignante GPT0,205
Écart entre enseignants0,196 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations14
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of MicrobiologyMême sujetToxin Mechanisms and ImmunotoxinsTravaux en français237 207