Study of characteristics on metabolism of <i>Penicillium chrysogenum</i> F1 during bioleaching of heavy metals from contaminated soil
Notice bibliographique
Résumé
F1 is very efficient in bioleaching heavy metals from the soil and is used for that purpose. We found that F1 can extract 19.8 mg Cd, Cu, Pb, and Zn from 2.5 g soil; the total heavy metals' bioleaching ratio was 60.4%. In this study, the bioleaching mechanism was investigated by means of metabonomics; different metabolite ions were screened (relative standard deviation >30%) and analyzed using clustering, univariate and multivariate analysis. Statistical analyses via Volcano Plot, principal component analysis, and partial least square discriminant analysis models revealed a difference between Ctrl 7 (the controls cultured and sampled on day 7) and Ctrl 15 (the controls cultured and sampled on day 15). Samp 15 (the samples cultured with heavy-metal-contaminated soil) was significantly different from Ctrl 7 and Ctrl 15. Analysis of the different ions demonstrated that the glucose catabolism pathways of glycolysis and the tricarboxylic acid (TCA) cycle were enhanced, and glucose anabolism through the pentose phosphate pathway was inhibited during bioleaching. At the same time, the metabolism of glutathione was also downregulated. Therefore, the catabolism of glucose was unaffected by the addition of heavy-metal-contaminated soil, and increasing glucose is beneficial to catabolism. The extraction of metals is mainly attributed to the metabolites of the TCA cycle.
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) | 0,001 | 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 ».