Improvement of Animal Feed Additives of Ginkgo Leaves through Solid-state Fermentation using <i>Aspergillus niger</i>
Notice bibliographique
Résumé
To improve the quality of Ginkgo biloba leaves as biological feed additives, twelve Aspergillus niger strains were evaluated for their growth in the moisture ginkgo leaf meal media through solid-state fermentation.The results relating to flavor, flavonoids, enzymes, crude protein, and reducing sugars showed A. niger Gyx086 strain was capable of efficiently fermenting ginkgo leaves.The optimal cultural conditions were three loops of spores inoculation to every 75 g medium containing 60 % water, grew at 28˚C for 48 h.The Gyx086 grew well in the medium.The fermented leaves generated a strong sweet-smelling odor, could be identified by electronic nose equipment using a cluster analysis, other than the original offensive smell from non-fermented ginkgo leaves.Each gram dried culture with Gyx086 showed 2.83 × 10 9 CFU of A. niger; 3.19 ± 0.37 FPU of acid-resistant filter paper activity.Its total contents of flavonoids, reducing sugars, and crude proteins were 19.95 ± 0.23 mg, 24.28 ± 2.35 mg, and 162.81 ± 3.46 mg in each gram of leaves, 26.03 %, 62.73 %, and 14.58 % higher than the controls, respectively.The essential amino acids and total amino acids contents were 96.41 % and 16.49 % higher than the controls.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».