Optimization of citric acid production from sugarcane molasses using <i>Aspergillus niger</i> by submerged Fermentation
Notice bibliographique
Résumé
ABSTRACT The potentiality of citric acid on economy is high because of its multi-purpose uses, particularly in the food and pharmaceutical industries. Bangladesh spent more than million US dollars to import citric acid mostly from India and China. Its consumption is increasing 3.5–4%, annually, indicating the need for better manufacturing alternatives. Globally, citric acid is primarily produced through microbial fermentation with Aspergillus niger . To support the massive scale of production of citrate, the manufacturing process must be eco-friendly which should be inexpensive and available raw materials for maintaining high yielding in a cost-effective manner. In Bangladesh prospective, the current study has undertaken to optimize citric acid production using one of the most abundant raw materials sugarcane molasses. Moreover, the aim of this study was to determine the optimum conditions to produce citric acid from sugarcane molasses using Aspergillus niger (F-81) by submerged fermentation. The amount of citric acid production was determined by Marier-Boulet colorimetric method. The optimization data suggested that 10% substrate (from processed cane molasses), 4% inoculum size of A. niger , and initial pH 6.0 allowed to produce around 25.8 g/L citric acid. Further study is warranted to assess the feasibility of citrate production in an industrial level as well as improvement of microbial strains is needed to further enhance citric acid 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 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 | 0,001 |
| 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 | 0,000 |
| 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 ».