MétaCan
Menu
Retour à la cohorte
Enregistrement W4387534687 · doi:10.1016/j.jobab.2023.09.004

Efficient lignin biodegradation triggered by alkali-tolerant ligninolytic bacteria through improving lignin solubility in alkaline solution

2023· article· en· W4387534687 sur OpenAlexvenueno aff
Zhaoxian Xu, Jie Li, Pingping Li, Chenggu Cai, Sitong Chen, Boning Ding, Shuangmei Liu, Mianshen Ge, Mingjie Jin

Notice bibliographique

RevueJournal of Bioresources and Bioproducts · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueEnzyme-mediated dye degradation
Établissements canadiensnon disponible
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésLigninBiodegradationSolubilityDissolutionChemistryAqueous solutionAlkali metalOrganic chemistryBacteriaBiology

Résumé

récupéré en direct d'OpenAlex

Low lignin solubility in aqueous solution is one of the major bottlenecks for lignin biodegradation and bioconversion. Alkaline solution contributes to improving lignin solubility, whereas most microbes can not survive in alkaline conditions. Herein, lignin dissolution behaviors in different pH solutions were systematically investigated, which indicated that solution pH above 10.5 contributed to high solubility of alkali lignin. To match with alkaline lignin aqueous system, several alkali-tolerant ligninolytic bacteria were isolated, most of which are distinct to previously reported ones. Then, the ligninolytic capabilities of these isolates were assessed in different pH conditions by determining their assimilation on alkali lignin, lignin-derived monomers and dimers, their decolorization capabilities, and their lignin peroxidase activities. Thereafter, the underlying ligninolytic and alkali-tolerant mechanisms of Sutcliffiella sp. NC1, an alkalophilic bacterium, was analyzed on the basis of its genome information. The results not only provide valuable information for lignin biodegradation and lignin valorization, but also expand knowledge on alkali-tolerant bacteria.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,001

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,216
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Bioresources and BioproductsMême sujetEnzyme-mediated dye degradationTravaux en français237 207