Bjerkandera adusta TM11 for the bioremediation of fluoroquinolone antibiotics spiked in wastewater: A sustainable approach to pharmaceutical contaminant biotransformation
Notice bibliographique
Résumé
Global antibiotic consumption is increasing dramatically. Antibiotic release into the environment, primarily through wastewater discharge, has serious impacts for human and animal health and microbial ecosystems. To address this issue, white-rot fungi present a promising solution, as they possess oxidative enzymes that can degrade these pollutants. Here we investigated the effectiveness of the white-rot fungus Bjerkandera adusta TM11 for removing three persistent fluoroquinolone antibiotics, i.e. levofloxacin, ciprofloxacin, and enrofloxacin, in real wastewater. The three antibiotics were added to the wastewater separately at a concentration of 30 mg/L and together in a cocktail at 10 mg/L, then incubated for 9 days. LC-MS/MS analysis and anti-microbial assay (against Escherichia coli ) demonstrated complete removal of levofloxacin by day 7. However, ciprofloxacin and enrofloxacin biotransformed into degradation products that still had antimicrobial activity, with degradation efficiencies reaching 82 % and 99 %, respectively, by day 7. Proteomic analysis identified 21 fungal heme peroxidases. Versatile peroxidase was the most strongly-produced enzyme potentially involved in antibiotic biotransformation. Degradation products were characterized by LC-MS/MS analysis, and a degradation pathway was proposed based on these findings. • Bjerkandera adusta was able to completely biotransform levofloxacin in real wastewater within 7 days. • Ciprofloxacin and enrofloxacin were transformed into products with residual antimicrobial activity. • Proteomic analysis revealed versatile peroxidase as a putative key enzyme involved in the degradation process. • The degradation products of fluoroquinolone antibiotics were identified using LC-MS/MS analysis.
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) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».