Adaptación del Thiobacillus Ferrooxidans a sustratos conformados con especies de minerales piríticos
Bibliographic record
Abstract
En los procesos de disolucion y adsorcion de metales, se requieren la contribucion de especies bacterianas previamente adaptadas a los ambientes especificos, con la finalidad de lograr buenos resultados (Barrie J., 2006). En la adaptacion de las cepas de Thiobacillus existen diversos mecanismos y reactivos, como es el uso de medios nutrientes ideales conteniendo sustancias en funcion a la efectividad para lograrlo. Por tal motivo se ha modificado el medio 9k, con el objetivo de hallar un medio adecuado logrando incrementar la poblacion bacteriana de cepa Thiobacillus Ferrooxidans aislada de la Unidad Minera Recuperada, modificando el contenido de sulfato de hierro en el sustrato y el control estricto del pH. Siendo estos valores 22.4 gr/Lt de sulfato de hierro y un pH de 1.8 A las condiciones de trabajo, en las primeras 48 horas se genera un consumo de protones de hidrogeno, lo cual reduce la acidez a 2.3 – 2.4, siendo menor el efecto a bajas concentraciones de sustrato. La produccion de acido sulfurico por el mecanismo indirecto de oxidacion bacteriana (Alvarez M. T., 2005), es apreciado del 3o dia en adelante estabilizando el pH entre 1.9 a 2.0 siendo los mas acidos los que tienen mayor contenido de sustrato (44.4 g/Lt). Ademas, ocurre la precipitacion de hidrosulfuros de hierro depende positivamente del pH y del Sulfato de Hierro, significa que siempre se tendra produccion de precipitados, en funcion a la cantidad de sustrato adicionado, la que se reducira controlando la acidez del medio y evitar la inhibicion de la bacteria durante el proceso de de biooxidacion de minerales.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".