Kiwi peel waste enhances manure protein degradation: Statistical optimization using Box-Behnken design and response surface methodology
Notice bibliographique
Résumé
Anaerobic digestion (AD) of protein-rich waste is challenged by ammonia accumulation. This study explores the potential of Kiwi peel waste (KPW)-derived proteases (actinidin) to enhance manure protein degradation. It used Box–Behnken response surface design to optimize the protein quantity and ammonia reduction in batch experiments. It studied the individual and interactive effects of the manure degradation parameters (manure dosage, KPW dosage, and time). The optimal manure protein quantity reduction (39 ± 0.54 %) was obtained at manure dosages of 4 g VS L −1 , KPW dosage of 7.5 g VS L −1 , and 48 h. However, the optimum conditions for reducing ammonia by 64 ± 0.65 % are manure dosage of 9 g VS L −1 , KPW dosage of 7.5 g VS L −1 , and 48 h. A highly predictive second-order polynomial model predicted reduction consistent with those observed experimentally ( R 2 = 0.99). Change and decrease in FTIR peak intensity from 3200 to 3400 cm −1 confirmed the disturbance of hydrogen bonds and the breaking of amide or N-H bonds within side chains in the hydrolyzed manure sample. The tests characterizing the hydrolyzed substrate and the statistical model data affirm that employing KPW for manure degradation is a feasible strategy to tackle ammonia buildup. This approach can potentially enhance protein degradation in manure and increase methane yield in AD. Future studies may explore the effects of using different types of manure or other slaughterhouse waste to understand the model’s viability on various protein-rich wastes. The stability of actinidin needs to be investigated under different environmental conditions, such as temperature, pH, nutrients, etc. • Kiwi peel waste (KPW) enhances manure protein hydrolysis, reduces ammonia buildup. • A 2nd-order polynomial model accurately predicted NH 3 reductions ( R 2 = 0.99). • KPW proteases reduce manure protein by 39 ± 0.54 % and NH 3 by 64 ± 0.65 %. • FTIR confirms functional group changes in the Amide region during hydrolysis. • SEM revealed fibrils with cross-striations became smoother after 48 h hydrolysis.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».