Intracellular Enzymes Contribution to the Biocatalytic Removal of Pharmaceuticals by <i>Trametes hirsuta</i>
Notice bibliographique
Résumé
The use of white rot fungi (WRF) for bioremediation of recalcitrant trace organic contaminants (TrOCs) is becoming greatly popular. Biosorption and lignin modifying enzymes (LMEs) are the most often reported mechanisms of action. Intracellular enzymes, such as cytochrome P450 (CYP450), have also been suggested to contribute. However, direct evidence of TrOCs uptake and intracellular transformation is lacking. The aim of this study was to evaluate the relative contribution of biosorption, extracellular LMEs activity, TrOCs uptake, and intracellular CYP450 on the removal of six nonsteroidal anti-inflammatories (NSAIs) by Trametes hirsuta. Results show that for most tested NSAIs, LMEs activity and biosorption failed to explain the observed removal. Most tested TrOCs are quickly taken up and intracellularly transformed. Fine characterization of intracellular transformation using ketoprofen showed that CYP450 is not the sole intracellular enzyme responsible for intracellular transformation. The contribution of CYP450 in further transformation of ketoprofen byproducts is also reported. These results illustrate that TrOCs transformation by WRF is a more complex process than previously reported. Rapid uptake of TrOCs and intracellular transformation through diverse enzymatic systems appears to be important components of WRF efficiency toward TrOCs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».