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 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 | 0,001 |
| 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 ».