MétaCan
Menu
Retour à la cohorte
Enregistrement W579995770 · doi:10.1371/journal.pone.0129130

Bacterial Acclimation Inside an Aqueous Battery

2015· article· en· W579995770 sur OpenAlexaff
Dexian Dong, Baoling Chen, P. Chen

Notice bibliographique

RevuePLoS ONE · 2015
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicrobial Inactivation Methods
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésAcclimatizationChemistryAqueous solutionBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Specific environmental stresses may lead to induced genomic instability in bacteria, generating beneficial mutants and potentially accelerating the breeding of industrial microorganisms. The environmental stresses inside the aqueous battery may be derived from such conditions as ion shuttle, pH gradient, free radical reaction and electric field. In most industrial and medical applications, electric fields and direct currents are used to kill bacteria and yeast. However, the present study focused on increasing bacterial survival inside an operating battery. Using a bacterial acclimation strategy, both Escherichia coli and Bacillus subtilis were acclimated for 10 battery operation cycles and survived in the battery for over 3 days. The acclimated bacteria changed in cell shape, growth rate and colony color. Further analysis indicated that electrolyte concentration could be one of the major factors determining bacterial survival inside an aqueous battery. The acclimation process significantly improved the viability of both bacteria E. coli and B. subtilis. The viability of acclimated strains was not affected under battery cycle conditions of 0.18-0.80 mA cm(-2) and 1.4-2.1 V. Bacterial addition within 1.0×10(10) cells mL(-1) did not significantly affect battery performance. Because the environmental stress inside the aqueous battery is specific, the use of this battery acclimation strategy may be of great potential for the breeding of industrial microorganisms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,112
Tête enseignante GPT0,300
Écart entre enseignants0,188 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetMicrobial Inactivation MethodsTravaux en français237 207