MétaCan
Menu
Retour à la cohorte
Enregistrement W3137387928 · doi:10.3390/fermentation7010040

Screening and Molecular Identification of Novel Pectinolytic Bacteria from Forest Soil

2021· article· en· W3137387928 sur OpenAlexafffund
Sarita Shrestha, Janak Raj Khatiwada, Xiaodong Zhang, Chonlong Chio, Aristide Laurel Mokale Kognou, Feifei Chen, Sihai Han, Xuatong Chen, Wensheng Qin

Notice bibliographique

RevueFermentation · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePolysaccharides and Plant Cell Walls
Établissements canadiensLakehead University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPectinaseCellulaseBacteriaPectinXylanaseBacillus (shape)Food scienceBiology16S ribosomal RNAChemistryBotanyEnzymeMicrobiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Pectinases are a group of enzymes with broad application, including in plant fiber processing, pectic wastewater treatment, paper pulping, fruit juice extraction, and clarification. With an increasing industrial demand for these enzymes, it is useful to isolate organisms that produce large amounts of pectinase and possess wide ranges of stability factors like temperature and pH. In this study, 17 out of 29 bacteria (58.62%) from forest soil samples were pectinolytic. However, only four bacteria (S-5, S-10, S-14, and S-17) showed high pectin hydrolysis zones (ranging from 0.2 cm to 1.7 cm). These four bacteria were identified based on colony morphology, microscopic characterization, biochemical characteristics, and 16S rDNA sequencing. They were designated as Streptomyces sp. (S-5, S-14), Cellulomonas sp. (S-10), and Bacillus sp. (S-17). Interestingly, bacteria showed cellulase and xylanase activity in addition to pectinase. The quantitative assay for pectinase activity of the four isolates provided proof that they are pectinase producers and can be considered potential candidates for industrial uses. The crude enzyme extracts of these bacteria are applicable in oil and juice extraction from sesame seeds and apples, respectively.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,223
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations38
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFermentationMême sujetPolysaccharides and Plant Cell WallsTravaux en français237 207