Rhamnolipid-assisted mycoremediation of polycyclic aromatic hydrocarbons by<i>Trametes hirsuta</i>coupled with enhanced ligninolytic enzyme production
Notice bibliographique
Résumé
The present study deals with the development of a wood assisted fungal system (WAFS) from wood chips using Trametes hirsuta to remove polycyclic aromatic hydrocarbons (PAHs) in BRW. The WAFS exhibited a 1.4-fold higher ligninolytic enzyme production than free fungi in the effluent. Further, to understand PAHs bioremediation by T. hirsuta, biodegradation along with biosorption were studied in model PAHs, phenanthrene (Phe) and benzo (a) pyrene (BaP), in the presence of synthesized rhamnolipids. The WAFS mineralized up to an average of 91.26% Phe and 87.72 % BaP along with biosorption of 12.35% Phe and 18.36 % BaP within 12 days. Thus, the addition of rhamnolipids showed 1.2-fold enhanced biodegradation. However, rhamnolipid concentrations beyond 50 ppm reduced the degradation efficiency of WAFS. Moreover, the degradation capability of total aromatic hydrocarbon (TAH) in biorefinery wastewater by WAFS is 1.8-fold higher than that of free fungi, which confirms the effectiveness of the system.Implications: Simultaneous application of white-rot fungus along with surfactant into a pollutant environment affects the microenvironment of the fungus and reduces the production of their degradative enzymes. In addition, the requirement of periodical supplement of external nutrient in the real-time matrix for the growth of white rot fungi may trigger competitive growth of indigenous microorganisms. Considering this glitch, the current work utilizes the carpenter waste for the strategical develop a wood assisted fungal system to protect the microenvironment of the fungi in the presence of rhamnolipids and contribute to their survival in real time matrix, with enhanced PAHs degradation efficiency.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».