A Taguchi design approach for the enhancement of a <scp>detergent‐biocompatible</scp> alkaline thermostable protease production by <i>Streptomyces mutabilis</i> strain <scp>TN‐X30</scp>
Notice bibliographique
Résumé
Abstract The ability of microorganisms to grow at high temperature, alkaline pH, and high salinity makes them an attractive target for enzyme‐production with several industrial applications. One strain TN‐X30 has been selected as protease producer and identified as Streptomyces mutabilis after a phenotypic and molecular study. Its production of protease was improved using Taguchi L27 design. The strategy was carried out to identify the optimum levels and the interaction of the screened factors. Following this step, maximum protease activity (10,895 U/ml) was achieved after 6‐days of incubation. The TN‐X30 protease activity had an optimum of pH and temperature of 10 and 65°C, respectively. Thermodynamic parameters at 60°C were enthalpy 14.26 kJ/mol, entropy −220 J/mol/K, and Gibbs free energy 90.53 kJ/mol. TN‐X30 protease production displayed a 16‐fold increase reaching 175,000 U/ml in a 100‐L fermentor. Furthermore, the lyophilization in presence of sorbitol enhanced the stability of the TN‐X30 protease which remained active at 75% after 24‐months of storage. The lyophilized TN‐X30 protease exhibited exceptional stability indexes in presence of some known commercialized detergent components as NEODOL® 25‐7, Dehydol® LT 7, Na 2 CMC, Galaxy LAS, Galaxy LES 70, Galaxy 110, Galaxy CAPB Plus, and Sulfacid K. The lyophilized enzyme also displayed high stability with respect to both solid and liquid detergents. Finally, TN‐X30 protease exhibited remarkable destaining of blood, egg, and chocolate stained cloth pieces. These findings may promote TN‐X30 protease for use as bioadditive in detergent formulation, thereby reducing environmental chemical threat.
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 | 0,000 |
| 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 ».