Role of Metal Ions, Surfactants and Solvents on Enzymatic Activity of Partial Purified Glucoamylase from Aspergillus niger ER05
Notice bibliographique
Résumé
The glucoamylase requirement of different industries should vary in their physiochemical and functional properties, so the investigation of new sources for the novel enzymes is the only solution. The current study describe the production of glucoamylase from Aspergillus niger ER05 in a submerged fermentation. The enzyme then partially purified and then effect of thirteen different metal ions (Cs+, K+, Na+, Ba2+, Ca2+ Co2+, Cu2+ , Hg2+, Mg2+, Mn2+, Ni2+, Zn2+ , Fe3+), surfactant as well as organic solvent on catalytic performance of glucoamylase was studied. A newly isolated Aspergillus niger ER05 is hyper producing strain of glucoamylase. Specific activity for the crude enzyme was found to be 6.87 KU/mg. The crude enzyme was partially purified via fractional ammonium sulphate precipitation. Ammonium sulphate saturation from 40-80% was found suitable to precipitate the enzyme. After dialyzing precipitates, the specific activities were found to be 66.33KU/mg with percent yield of 26.5. The inhibitory influence of all metal studies was interestingly found on glucoamylase activity. The strong inhibition was demonstrated in presence of Hg2+, Ni2+, Zn2+, Cu2+, Fe3+. Only Na+ ions were able to maintain the 101% relative activity at 1mM concentration. The SDS completely inhibits the enzyme activity and in presence of tween-80 and triton X-100 glucoamylase exhibited less than 45% relative activity. Furthermore, formaldehyde, isopropanol, ethanol, methanol, and DMSO stabilized the enzyme activity while chloroform inhibits enzyme activity by 48%.
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 | 0,000 | 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) | 0,000 | 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 ».