MétaCan
Menu
Retour à la cohorte
Enregistrement W2770747874 · doi:10.1002/biot.201700539

When Do Two‐Stage Processes Outperform One‐Stage Processes?

2017· review· en· W2770747874 sur OpenAlexaff
Steffen Klamt, Radhakrishnan Mahadevan, Oliver Hädicke

Notice bibliographique

RevueBiotechnology Journal · 2017
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicrobial Metabolic Engineering and Bioproduction
Établissements canadiensUniversity of Toronto
Organismes subventionnairesH2020 European Research CouncilBundesministerium für Verkehr, Innovation und TechnologieBundesministerium für Bildung und Forschung
Mots-clésStage (stratigraphy)BiologyPaleontology

Résumé

récupéré en direct d'OpenAlex

Apart from product yield and titer, volumetric productivity is a key performance indicator for many biotechnological processes. Due to the inherent trade-off between the production of biomass as catalyst and of the actual target product, yield and volumetric productivity cannot be optimized simultaneously. Therefore, in combination with genetic techniques for dynamic regulation of metabolic fluxes, two-stage fermentations (TSFs) with separated growth and production phase have recently gained much interest because of their potential to improve the productivity of bioprocesses while still allowing high product yields. However, despite some successful case studies, so far it has not been discussed and analyzed systematically whether or under which conditions a TSF guarantees superior productivity compared to one-stage fermentation (OSF). In this study, we use mathematical models to demonstrate that the volumetric productivity of a TSF is not automatically better than of a corresponding OSF. Our analysis reveals that the sharp decrease of the specific substrate uptake rate usually observed in (non-growth) production phases severely impacts the volumetric productivity and thus raises a big challenge for designing competitive TSF processes. We discuss possible approaches such as enforced ATP wasting to improve substrate utilization rates in the production phase by which TSF processes can become superior to OSF. We also analyze additional factors influencing the relative performance of OSF and TSF and show that OSF processes can be more appropriate if a high product yield is an economic constraint. In conclusion, a careful assessment of the trade-offs between substrate uptake rates, yields, and productivity is necessary when deciding for OSF vs. TSF processes.

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)0,007
score de la tête « metaresearch » (Gemma)0,013
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: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0050,007
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,050
Tête enseignante GPT0,325
Écart entre enseignants0,275 · 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
GenreSynthèse

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

En bref

Citations89
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiotechnology JournalMême sujetMicrobial Metabolic Engineering and BioproductionTravaux en français237 207