Influence of Metal ions, Surfactants and Organic Solvents on the Catalytic Performance of Levansucrase from Zymomonas mobilis KIBGE-IB14
Notice bibliographique
Résumé
A significant progress has been made in discovering and developing new bacterial polysaccharides producing enzymes possessing extremely functional properties. Levan is a natural polymer of fructose linked by β (2→6) glycosidic bond which is produced by transfructosylation reaction in the presence of levansucrase. Among wide range of microorganisms, Zymomonas mobilis is considered as the most promising candidate for the production of extracellular levansucrase. It has potential applications in multiple industries from pharmaceutics, cosmetics to food industries. Determination of levansucrase characteristics is necessary to increase its industrial applications. This concept has directed much interest towards enzyme characterization by observing its effects against different chemicals. The present investigation focused on the characterization of levansucrase by observing its behavior with reference to different metal ions, surfactants and organic solvents. The results showed that these chemicals acted as activators, inhibitors or stabilizers. In metal ions, different activators (K+, Na+, Cs+, Ba+2, Ca+2, Cu+2, Mg+2 and Mn+2 ) and inhibitors (Co+2, Hg+2 , Fe+3and Al+3) were investigated. Among them, Hg+2 found to be strong inhibitor as it inhibits enzyme activity by 92% at 1 mM. Non-ionic surfactants i.e. triton X-100, tween-20 and tween-80 considered as stabilizers while anionic surfactant such as sodium dodecyl sulphate (SDS) inhibited the enzyme activity by 11%. Moreover, ethanol and methanol stabilized the enzyme activity while other solvents observed as inhibitors or stimulators.
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 | 0,001 | 0,001 |
| 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 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».