Isolation of bacteria from fermented food and grass carp intestine and their efficiencies in improving nutrient value of soybean meal in solid state fermentation
Notice bibliographique
Résumé
Soybean meal is an excellent and cost-effective protein source; however, its usage is limited in the piglet due to the presence of anti-nutritional factors and the antigens glycinin and β-conglycinin. The objective of the current study was to screen and select for bacteria that can be efficiently adopted to ferment soybean meal in order to solve this problem. Bacteria were isolated from fermented soy foods and the grass carp intestine, and strains selected for high protease, cellulase and amylase activities. The isolated bacteria were characterized as Bacillus cereus, Bacillus subtilis and Bacilus amyloliquefacien, respectively. Fermentation with food-derived Isolate-2 and fish-derived F-9 increased crude protein content by 5.32% and 8.27%, respectively; improved the amino acid profile by increasing certain essential amino acids, broke down larger soy protein to 35 kDa and under, eliminated antigenicity against glycinin and β-conglycinin, and removed raffinose and stachyose in the soybean meal following a 24-h fermentation. Our results suggest these two B. amyloliquefaciens bacteria can efficiently solid state ferment soybean meal and ultimately produce a more utilizable food source for growing healthy piglets.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,006 |
| 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) | 0,000 | 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 ».