Microbial keratinases: industrial enzymes with waste management potential
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
Proteases are ubiquitous enzymes that occur in various biological systems ranging from microorganisms to higher organisms. Microbial proteases are largely utilized in various established industrial processes. Despite their numerous industrial applications, they are not efficient in hydrolysis of recalcitrant, protein-rich keratinous wastes which result in environmental pollution and health hazards. This paved the way for the search of keratinolytic microorganisms having the ability to hydrolyze "hard to degrade" keratinous wastes. This new class of proteases is known as "keratinases". Due to their specificity, keratinases have an advantage over normal proteases and have replaced them in many industrial applications, such as nematicidal agents, nitrogenous fertilizer production from keratinous waste, animal feed and biofuel production. Keratinases have also replaced the normal proteases in the leather industry and detergent additive application due to their better performance. They have also been proved efficient in prion protein degradation. Above all, one of the major hurdles of enzyme industrial applications (cost effective production) can be achieved by using keratinous waste biomass, such as chicken feathers and hairs as fermentation substrate. Use of these low cost waste materials serves dual purposes: to reduce the fermentation cost for enzyme production as well as reducing the environmental waste load. The advent of keratinases has given new direction for waste management with industrial applications giving rise to green technology for sustainable development.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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