Optimization of process parameters and medium components for carbon monoxide bioconversion with <i>Clostridium autoethanogenum</i>
Notice bibliographique
Résumé
Abstract Clostridium autoethanogenum is a model microbe capable of converting carbon monoxide (CO) into bioethanol and useful biochemicals. Successful process optimization when using CO as the primary carbon source requires an understanding of the influence of process parameters and growth medium components on cell growth and end‐product formation. We conducted a full factorial analysis of the effects of CO total pressure, pH, yeast extract (YE), and cysteine concentrations on acetic acid, ethanol, and biomass production utilizing C. autoethanogenum with CO as the primary substrate. Maximum ethanol production of 0.71 g L –1 was obtained at a pH of 4.5, yeast extract concentration of 0.5 g L –1 , CO pressure of 1.8 atm, and cysteine concentration of 1.5 g L –1 . There was a tenfold enhancement when the pH was lowered from 6 to 4.5 and the YE concentration was reduced to 0.5 g L –1 . Response optimization using the reduced gradient algorithm confirmed these results. The information presented in this study could prove valuable for process engineering design by assisting with the selection of parameters that yield syngas blends specifically intended for increased ethanol production.
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 | 0,000 | 0,000 |
| 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 ».