MétaCan
Menu
Retour à la cohorte
Enregistrement W4281254762 · doi:10.1016/j.gce.2022.05.003

Characterization of glucose isomerase-producing bacteria and optimization of fermentation conditions for producing glucose isomerase using biomass

2022· article· en· W4281254762 sur OpenAlexafffund
Aristide Laurel Mokale Kognou, Chonlong Chio, Janak Raj Khatiwada, Sarita Shrestha, Xuantong Chen, Hongwei Li, Yuen Zhu, Zi‐Hua Jiang, Chunbao Xu, Wensheng Qin

Notice bibliographique

RevueGreen Chemical Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensWestern UniversityLakehead University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFermentationXyloseYeast extractFood scienceBacteriaXylose isomeraseChemistryBiomass (ecology)EnzymeEnzyme assayYeastBiologyBiochemistryMicrobiologyAgronomy

Résumé

récupéré en direct d'OpenAlex

Glucose isomerase (GI) is an enzyme with high potential applications. Characterization of GI producing bacteria with interesting properties from an industrial point of view is essential. Bacillus sp., Paenarthrobacter sp., Chryseobacterium sp., Hymenobacter sp., Mycobacterium sp., and Stenotrophomonas sp. were isolated from soil samples. Optimization of enzyme production yield was investigated in various fermentation conditions using response surface methodology. All isolates exhibited maximum GI activity at 40 °C, pH 6–8 after 4 days of incubation. A mixture of peptone/yeast extract or tryptone/peptone enhanced higher enzyme production. The same trend was observed in fermentation medium containing 1% xylose or 2%–2.5% wheat straw. This study advanced the knowledge of these bacterial isolates in promoting wheat straw as feedstock for the bio-based industry.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,227
Score d'incertitude au seuil0,804

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,213
Écart entre enseignants0,201 · 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 tête enseignante, 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

Citations10
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGreen Chemical EngineeringMême sujetBiofuel production and bioconversionTravaux en français237 207