Isolation and optimization of the fermentation condition of cellulolytic microbial isolates from cassava waste water
Notice bibliographique
Résumé
The study was conducted to isolate and identify cellulose producing microorganisms from cassava waste water. Cassava waste water sample was obtained from a cassava processing factory at Lokogoma town in Wushishi Local government area of Niger State. The microorganisms were isolated, identified and counted by standard microbiological methods. The mean bacteria count ranges from 6.8 x 103 cfu/mL-1 to 2.1 x 103 cfu/mL-1 while the fungi count ranges from 3.2 x 103 cfu/mL-1 to 1.2 x 103 cfu/mL-1. A total of eight (8) bacterial; Staphylococcus aureus, Bacillus anthrax, Bacillus subtilis, Escherichia coli, Klebsilla sp, Bacillus megaterus, Staph. Epidermidis and Pseudomonas aeruginosa, and six (6) fungi; Saccharomyce serivicea, Aspergillus niger, Penecillium sp., Muccor sp., Aspergilus flavus and Aspergilus fumigetus isolates were identified in the waste water. Among these organism, the best cellulase activity was recorded for Bacillus subtilis (10.39 x 10-4 mg/ml/sec) and Aspergillus niger (11.21 x 10-4 mg/ml/sec). However, maximum activity was obtained at pH ranges from 3 ~ 9, temperature ranges from 30 oC ~ 80oC and substrate concentrations ranges from 1.5% ~3.0%. In conclusion, cassava processing water regarded as waste water could be an alternative source of microorganisms capable of producing cellulase enzyme for industrial purposes.
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 | 0,001 |
| 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) | 0,001 | 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; 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 ».