Recycling agro-industrial waste to produce amylase and characterizing amylase–gold nanoparticle composite
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 Purpose Amylase being one of the most important industrial enzymes requires large-scale production. When producing an enzyme, high productivity, high purity and low production costs need to be considered. This study focuses on comparing various agro-industrial waste substrates, for production of alpha-amylase using Bacillus amyloliquefaciens . Moreover, it studies the stability and activity of amylase–gold nanoparticles composite. Methods This study is divided into two parts, in the first part various agro-industrial waste substrates, such as wheat bran, rice bran and potato peel were used to produce alpha-amylase using solid-state fermentation (SSF). The production of the enzyme was quantified and compared in specific enzyme activity units. In the second part, change in the stability and activity of amylase in enzyme–gold nanoparticles (AuNPs) composite has been discussed. Results Highest enzyme production was observed in wheat bran and potato peel substrate with specific enzyme activity of almost 1.2 U/ug and 1.1 U/ug. Among combination substrates, wheat bran with potato peel showed a high enzyme production of 1.3 U/ug. On the other hand, the optimum temperature for amylase activity shifted to 55 °C in the composite compared to 37 °C for free enzyme. Conclusions Comparison of specific enzyme activity of extracts from various substrates showed that wheat bran alone, and in combination with potato peel, produces active and pure amylases. To stress on various catalytic activities of alpha-amylase, the capability of the enzyme to synthesize gold nanoparticles and the effect of conjugation of the nanoparticle on its optimum catalytic activity are also discussed in this paper.
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