Kinetic modeling of biosurfactant production by <i>Bacillus subtilis</i> N3-1P using brewery waste
Notice bibliographique
Résumé
Abstract Costs associated with production of favorable biologically produced surfactants continue to be a significant obstacle to large scale application. Using industrial wastes and by-products as substrate and optimization of cultural conditions are two strategies of producing biosurfactants with a reasonable price. Also, modeling the biosurfactant production bioprocess improves the commercial design and monitoring of biomass growth, biosurfactant production, and substrate utilization. In this study, the indigenous Bacillus subtilis N3-1P strain and a local brewery waste as the carbon source were used to produce a biosurfactant. The batch cultivation was performed under the optimum conditions. Models describing the biomass growth, biosurfactant production, and substrate utilization were developed by fitting the experimental data to the logistic, Contois and Luedeking-Piret models using MATLAB software and regression analysis. The kinetic parameters including the maximum specific growth rates ( µ max ), the Contois constant ( K ), parameters of the Luedeking-Piret modelswere calculated. Yields including Y X / S , and Y P / X were found to be 0.143 g X/ g S , and 0.188 g P/ g X , respectively. The experimental and predicted model showed good agreement. The developed models are a key step in designing reactors for scale up of biosurfactant production.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».