Granular activated carbon enhances microbial activity in anaerobic reactors: Insights from metagenomics and metaproteomics
Notice bibliographique
Résumé
Granular activated carbon (GAC) enhances anaerobic digestion (AD) primarily by promoting direct interspecies electron transfer (DIET). However, as most biomass in bioreactors is suspended rather than attached, GAC may also play additional roles in stimulating suspended biomass beyond DIET. In this study, two lab-scale up-flow anaerobic sludge blanket (UASB) reactors were operated for 150 days with propionate-rich synthetic wastewater, one of which was amended with GAC to investigate its broader effects on microbial activity and metabolic function. Results showed that GAC addition significantly improved chemical oxygen demand (COD) removal (92.1 ± 5.0%) and methane yield (70.3 ± 8.2%) compared to the non-GAC reactor (81.0 ± 2.1% and 55.4 ± 5.2%). Metagenomic analysis revealed a shift toward hydrogenotrophic methanogenesis, with an increased abundance of Methanobacterium sp. (31.4%). Metaproteomic profiling and functional gene prediction indicated elevated expression of proteins involved in methanogenesis (e.g., methyl-coenzyme M reductase), energy metabolism (e.g., ATP synthase), and cofactor biosynthesis (e.g., CobS and CobT enzymes). Additionally, batch tests using reactor effluents demonstrated that the GAC-amended system contained active substances capable of stimulating methane production, indicating the release of bioavailable metabolites. These findings suggest that GAC enhances microbial activity not only by facilitating DIET but also by stimulating the biosynthesis of key functional proteins and cofactors. This understanding supports the development of GAC-enhanced anaerobic systems for more stable and efficient reactors in full-scale applications.
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 ».