Comparison of Raspberry Ketone Production via Submerged Fermentation in Different Bioreactors
Notice bibliographique
Résumé
Raspberry ketone (RK) has high commercial value in the food and healthcare industries. A biological route to this flavour compound is an attractive prospect, considering the need to meet consumer demands and sustainable goals; however, it is yet to become an industrial reality. In this work, fungal production of raspberry ketone (RK) and raspberry compounds (RC) via submerged fermentation of Nidula niveo-tomentosa was characterized in flask, stirred-tank reactor (STR), panel bioreactor (PBR), and fluidized bed reactor (FBR) configurations. The results indicate that the panel bioreactor resulted in larger, floccose pellets accompanied by maximum titres of 20.6 mg/L RK and 50.9 mg/L RC. The stirred-tank bioreactor with impeller mixing yielded compact elliptical pellets, induced the highest volumetric productivity of 2.0 mg L−1 day−1, and showed RK selectivity of 0.45. While differing mixing strategies had clear effects on pellet morphology, RK production presented a more direct positive relationship with cultivation conditions, and showed appropriate mixing and aeration favour RK to raspberry alcohol (RA). Overall, this paper highlights the importance of bioreactor design to fungal fermentation, and gives insight into green and industrial bioproduction of value-added natural compounds.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».