Evaluation of Different Amino Acids on Growth and Cyanide Production by Bacillus megaterium for Gold Recovery
Notice bibliographique
Résumé
Bio-cyanidation, as a sustainable and effective method to extract gold from primary and secondary resources, has attracted attention because of its environmental friendliness and economic benefits. The effect of amino acids on bio-cyanide production using Bacillus megaterium (B. megaterium) is a less explored area in this field and is the main interest of this study. Here, the effect of glycine, threonine, and glutamine over a concentration range of 0 to 10 g/L was investigated. The results showed at equal concentration of amino acids (5 g/L), glycine yields (maximum ca. 110 mg/L) a higher concentration of biogenic cyanide (bio-CN), while glutamine and threonine produce less (maximum ca. 74 mg/L and ca. 64 mg/L, respectively). For the first time, optimization of mixing the three amino acids was investigated and revealed more significant roles for glycine and glutamine in stimulation of bio-CN by B. megaterium. The interactions involved in the biosynthesis of bio-CN were explained with a reference to metabolic pathways and the cycle of the bacteria. In mixed amino acids, the optimum medium for bio-CN production was identified to be 2.84 g/L glycine, 3.0 g/L glutamine in the absence of threonine, which could produce a high concentration of ca. 86 mg/L bio-CN, resulting in gold leaching efficiency comparable to chemical cyanide.
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) | 0,001 | 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 ».