Diverse Microbial Communities in Microbial Fuel Cells with Sugar Beet Residue as Substrate
Notice bibliographique
Résumé
[Objective] To analyze diverse microbial communities in microbial fuel cells with sugar beet residue as substrate. [Method]With sugar beet residue under different processing ways as substrate,MFC as research device,the electricity production was investigated. Using 454 pyrosequencing,differences in the community structure were analyzed,the feasibility and stability was discussed. [Result] The research found that sugar beet residue with the different treatment as the substrates influence on the electricity generation of MFC. The voltage produced by MFCs with the raw and alkaline treatment was higher than the reactor by the acid treatment. We investigated the microbial community structures in anode biofilms of MFCs. By analyzing pyrosequencing sequences from the bacterial 16 S rRNA gene,we demonstrated that the microbial communities were classified into 14 phyla from three anode biofilm. Hierarchical cluster analyses indicated a clear distinction among three substrates in microbial community structure. Diverse acidogenic bacteria and exoelectrogens were detected in MFCs,and there was syntrophic relationship among bacteria. Diverse acid-producing bacteria can ferment soluble sugar or cellulose to produce organic acids. The exoelectrogens can use them as the electron donor to directly produce the current. [Conclusion] The results provide evidence that sugar beet residue with the different treatments can led to the diversity difference of the anode community. And the structure of the anode community can affect electrical output of MFC.
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) | 0,001 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».