Metabolic modeling of spatial heterogeneity of biofilms in microbial fuel cells reveals substrate limitations in electrical current generation
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
Microbial fuel cells (MFCs) have been proposed as an alternative energy resource for the conversion of organic compounds to electricity. In an MFC, microorganisms such as Geobacter sulfurreducens form an anode-associated biofilm that can completely oxidize organic matter (electron donor) to carbon dioxide with direct electron transfer to the anode (electron acceptor). Mathematical models are useful in analyzing biofilm processes; however, existing models rely on Nernst-Monod type expressions, and evaluate extracellular processes separated from the intracellular metabolism of the microorganism. Thus, models that combine both extracellular and intracellular components, while addressing spatial heterogeneity, are essential for improved representation of biofilm processes. The goal of this work is to develop a model that integrates genome-scale metabolic models with the model of biofilm environment. This integrated model shows the variations of electrical current production and biofilm thickness under the presence/absence of NH4 in the bulk solution, and under varying maintenance energy demands. Further, sensitivity analysis suggested that conductivity is not limiting electrical current generation and that increasing cell density can lead to enhanced current generation. In addition, the modeling results also highlight instances such as the transformation into respiring cells, where the mechanism of electrical current generation during biofilm development is not yet clearly understood.
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 | 0,001 | 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 | 0,000 |
| 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