Identification and Characterization of a New Serratia proteamaculans Strain That Naturally Produces Significant Amount of Extracellular Laccase
Notice bibliographique
Résumé
Natural biodegradation processes hold promises for the conversion of agro-industrial lignocellulosic biomaterials into biofuels and fine chemicals through lignin-degrading enzymes. The high cost and low stability of these enzymes remain a significant challenge to economic lignocellulosic biomass conversion. Wood-degrading microorganisms are a great source for novel enzyme discoveries. In this study, the decomposed wood samples were screened, and a promising γ-proteobacterial strain that naturally secreted a significant amount of laccase enzyme was isolated and identified as Serratia proteamaculans AORB19 based on its phenotypic and genotypic characteristics. The laccase activities in culture medium of strain AORB19 were confirmed both qualitatively and quantitatively. Significant cultural parameters for laccase production under submerged conditions were identified following a one-factor-at-a-time (OFAT) methodology: temperature 30°C, pH 9, yeast extract (2 g/l), Li + , Cu 2+ , Ca 2+ , and Mn 2+ (0.5 mM), and acetone (5%). Under the selected conditions, a 6-fold increase (73.3 U/L) in laccase production was achieved when compared with the initial culturing conditions (12.18 U/L). Furthermore, laccase production was enhanced under alkaline and mesophilic growth conditions in the presence of metal ions and organic solvents. The results of the study suggest the promising potential of the identified strain and its enzymes in the valorization of lignocellulosic wastes. Further optimization of culturing conditions to enhance the AORB19 strain laccase secretion, identification and characterization of the purified enzyme, and heterologous expression of the specific enzyme may lead to practical industrial and environmental applications.
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 | 0,000 |
| 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 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 ».