Production of Tannase by Fungi Isolated from Different Soils
Notice bibliographique
Résumé
Tannases are enzymes that catalyze the production of gallic acid which is a versatile precursor of various chemicals used in food and pharmaceutical industries. This work is aimed at isolation and production of tannase from soil fungi. Moulds were isolated from soil samples that were collected from different sites in Ibadan Metropolis. Isolated fungi were screened on plate for tannase production. The best sets of fungi were selected to produce tannases under solid state fermentation using various substrates. Twenty (20) out of forty-two (42) isolated fungi were able to produce tannase. Isolates FR6, IAR15 and BG4 recorded highest zone of hydrolysis (20, 17 and 16 mm) on Tannic acid agar and were identified as Aspergillus japonicus, Aspergillus tamarii and Neosartorya fumigata respectively using their macroscopic and microscopic properties. Among different used substrates, highest production of tannase was observed when wheat bran (8.72 U/mL) was used as substrate which was followed by Moringa seed (7.90 U/mL). There was higher production of tannase by selected isolates when grown in used substrate (Wheat and Moringa seed) alone than when supplemented with tannic acid. Of all used carbon sources, Fructose and Maltose supported best production of tannase by the three fungi. NaNO3 was the best nitrogen source among all the nitrogen sources used with the yield of 15.88 U/mL by Aspergillus japonicus. Optimum production of tannase was either recorded at pH 6.0 or 6.5 with selected isolates. Aspergillus japonicus had a considerable higher production than other two selected fungi. Best production of tannase is achieved with 1% of fructose as carbon source, 1% of NaNO3 as nitrogen and Wheat bran as substrate at pH of 6.5.
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) | 0,000 | 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 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 ».