On‐line untargeted metabolomics monitoring of an <i>Escherichia coli</i> succinate fermentation process
Notice bibliographique
Résumé
The real-time monitoring of metabolites (RTMet) is instrumental for the industrial production of biobased fermentation products. This study shows the first application of untargeted on-line metabolomics for the monitoring of undiluted fermentation broth samples taken automatically from a 5 L bioreactor every 5 min via flow injection mass spectrometry. The travel time from the bioreactor to the mass spectrometer was 30 s. Using mass spectrometry allows, on the one hand, the direct monitoring of targeted key process compounds of interest and, on the other hand, provides information on hundreds of additional untargeted compounds without requiring previous calibration data. In this study, this technology was applied in an Escherichia coli succinate fermentation process and 886 different m/z signals were monitored, including key process compounds (glucose, succinate, and pyruvate), potential biomarkers of biomass formation such as (R)-2,3-dihydroxy-isovalerate and (R)-2,3-dihydroxy-3-methylpentanoate and compounds from the pentose phosphate pathway and nucleotide metabolism, among others. The main advantage of the RTMet technology is that it allows the monitoring of hundreds of signals without the requirement of developing partial least squares regression models, making it a perfect tool for bioprocess monitoring and for testing many different strains and process conditions for bioprocess development.
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 | 0,000 |
| 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 ».