Improvement of Quality and Digestibility of Moringa Oleifera Leaves Feed via Solid-State Fermentation by Aspergillus Niger
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The Moringa oleifera leaf is an important source worldwide with a high nutritional value and functions in food and feed that may also treat a myriad of ailments but the leaf has low organoleptic properties and digestibility. To overcome this shortcoming, a novel Aspergillus niger was isolated from the Moringa leaf material. The fungal strain grows well on moist Moringa leaves and requires no additives. After performing a single factor test for temperature, moisture, inoculation size, and fermentation, the optimized condition was determined by using a response surface method, followed by a small-scale production test. The pleasant, sweet smelling aroma in the fermented leaves was then generated, supplementing than its native repulsive smell. The protein content and digestibility of the leaves increased by 23.4 % and 54.4 %, respectively; the direct-fed microbes reached up to 1.99 × 10 9 CFU per gram of fermented freeze-dried Moringa leaves. Digestive lignocellulolytic enzymes were substantially produced with 2.97 ± 0.24 U.g −1 of filter paper activity and 564.9 ± 37.4 U.g −1 of xylanase activity. Moreover, some functional components, such as flavonoids and γ-Aminobutyric acid content, were also significantly increased compared to that of the unfermented leaves. In conclusion, the feed quality and digestibility of Moringa oleifera leaves were greatly improved via solid-state fermentation by Aspergillus niger . Fermented Moringa oleifera can be used as a potentially high- quality feed alternative for the animal industry.
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.
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 découle