MétaCan
Menu
Retour à la cohorte
Enregistrement W2752949206 · doi:10.1101/pdb.prot089102

Spectrophotometric Analysis of Ethanol and Glucose Concentrations in Yeast Culture Media

2017· article· en· W2752949206 sur OpenAlexaff
Amy A. Caudy

Notice bibliographique

RevueCold Spring Harbor Protocols · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicrobial Metabolic Engineering and Bioproduction
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésYeastEthanolChemistryFood scienceBiochemistryChromatography

Résumé

récupéré en direct d'OpenAlex

Fermentative growth on glucose is one of the most widely studied conditions of yeast growth in the laboratory. The production of ethanol from sugars is relevant to the wine, beer, and bread industries and to production of biofuels. Assaying the levels of glucose and ethanol in yeast growth medium allows the experimenter to determine the consumption of the carbon source glucose and the production of ethanol. This protocol describes enzyme-coupled assays for determination of glucose and ethanol concentrations in a sample of cell-free culture medium. Enzymes convert glucose or ethanol into other compounds through chemical reactions that reduce NAD(P)+ to NAD(P)H, and the production of NAD(P)H is measured using a spectrophotometer. The methods presented are highly sensitive, with a detection limit of ∼0.4 mg/L of glucose and 50 mg/L of ethanol, and also have the advantage of high specificity. For example, glucose and fructose have identical chemical formulas and thus cannot be distinguished by a mass spectrometer, but the enzyme assay presented here is specific for glucose. The glucose assay can be coupled to other assays to determine the quantity of additional carbohydrates such as fructose, trehalose, and glycogen.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,274
Écart entre enseignants0,261 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCold Spring Harbor ProtocolsMême sujetMicrobial Metabolic Engineering and BioproductionTravaux en français237 207