MétaCan
Menu
Retour à la cohorte
Enregistrement W2184786557 · doi:10.19026/ajfst.5.3247

Optimization of Liquid Fermentation Process for Improved Exo-Polysaccharides Production by Kombucha ZJU1

2013· article· en· W2184786557 sur OpenAlexfundno aff
Yan Wu, Qihe Chen, Hui Ruan, Guoqing He

Notice bibliographique

RevueAdvance Journal of Food Science and Technology · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueTea Polyphenols and Effects
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Alberta
Mots-clésFermentationCentral composite designResponse surface methodologySugarChemistryFood sciencePolysaccharideFactorial experimentFractional factorial designChromatographyBiochemistryMathematics

Résumé

récupéré en direct d'OpenAlex

In order to improve exo-polysaccharides production by Kombucha ZJU1, the optimization of liquid fermentation process for cell growth and Exo-Polysaccharide (EPS) production by Kombucha ZJU1 was conducted with Response Surface Methodology (RSM). A Fractional Factorial Design (FFD) and Central Composite Design (CCD) were applied to optimize the main factors that affect EPS production during fermentation. Both the concentration of brown sugar and inoculation level significantly affected EPS production by Kombucha ZJU1 through FFD experiment. The optimized fermentation process was derived from the predicted model using central composite design as follows: 280 g/L brown sugar, 4 g/L Pu-erh tea, 1 g/L KH2PO4 and 1 g/L (NH4)2 SO4, initial pH unadjusted, the culture medium was inoculated with 1.95% (v/v) Kombucha ZJU1, the cell age was 5 days, then incubated at a temperature of 30±1°C for 6 days on the rotary shaker. The predicted maximal EPS concentration was 2.66 g/L using this optimized fermentation process, which was of value to further work.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,009
Tête enseignante GPT0,284
Écart entre enseignants0,274 · 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'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

Citations8
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvance Journal of Food Science and TechnologyMême sujetTea Polyphenols and EffectsTravaux en français237 207