Optimización de la producción de xilanasa bacteriana a partir de Bacillus sp. K1 utilizando residuos lignocelulósicos en el Departamento de Biología de la Universidad de Lakehead, Canadá.
Notice bibliographique
Résumé
El objetivo de presente trabajo de titulacion fue verificar y optimizar la produccion de xilanasa por parte de la bacteria Bacillus sp. K1 en el Departamento de Biologia de la Universidad de Lakehead, Canada. Las variables investigadas para la optimizacion fueron fisicas tales como pH, temperatura y volumen de inoculo; y de composicion del medio de fermentacion tales como fuente de carbono, fuente de nitrogeno organico e inorganico y relacion porcentual entre dichos componentes. Adicionalmente, se determino el efecto de iones metalicos (sodio, potasio, magnesio, calcio, ferroso, niqueloso, cuprico, cobaltoso y manganoso) y surfactantes (Polisorbato-20, dodecil sulfato de sodio y Triton X-100) en la actividad enzimatica de la xilanasa producida. La mayor produccion de xilanasa fue tras 36h de fermentacion y lascondiciones fisicas optimas asociadas a la produccion de xilanasa fueron pH 6, temperatura 35oC y volumen de inoculo 1%. La composicion optima del medio de fermentacion determinada esta constituida por: Afrecho de trigo 4%, Glucosa 0.5%, NH4NO3 0.5%, K2HPO4 0.1%, KCl 0.1%, MgSO4 0.05%, peptona 0.5%, SDS 0.1%. La actividad enzimatica generada es de 264.96±7.89 IU/L, con un 248,79% de incremento con respecto al inicial. Los inhibidores mas importantes fueron los iones cuprico y manganoso con 32% y 49,16% de inhibicion comparado con el experimento de control. Las condiciones fisicas de fermentacion y la presencia de celulasa favorecen una futura aplicacion en la industria del bioetanol de segunda generacion.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,006 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».