微生物酶指数用于预测回收性林氏纤维素基质的堆肥质量
Loubna El Fels1, Ahmed Naylo2, Martin Jemo3
1Laboratory of Microbial Biotechnologies, Agrosciences and Environment (BioMAgE), Labelled Research Unit-CNRST N°4, Faculty of Sciences Semlalia, University Cadi Ayyad (UCA), Marrakech, Morocco.
Frontiers in microbiology
|November 26, 2024
概括
在污泥和棕垃圾堆肥过程中监测了酶活性,包括性酸酶,尿素酶和脱酶. 机器学习准确地预测了堆肥质量,将酶配置文件与有机物质转化联系起来.
科学领域:
- 环境科学 环境科学
- 生物技术是生物技术.
- 土壤科学 土壤科学
背景情况:
- 有机物质的动态对于堆肥效率至关重要.
- 酶活动是废物分解过程中微生物过程的指标.
- 泥和纤维纤维素材料带来了独特的堆肥挑战.
研究的目的:
- 通过半工业化堆肥过程中使用酶活动监测有机物转化过程中的污泥和棕废物混合物.
- 评估酶配置文件和堆肥质量参数之间的关系.
- 评估机器学习对堆肥质量的预测能力.
主要方法:
- 两个混合物的半工业化堆肥:混合A (1/3的污泥,2/3的棕废物) 和混合B (1/2的污泥,1/2的棕废物).
- 测量性酸酶,尿酶和脱酶活动.
- 应用机器学习模型来预测堆肥质量指标 (NH3 / NO3,C / N比率,分解率,湿化指数).
主要成果:
- 酸酶活性在Mix-A中更高,而脱酶在Mix-B中更高.
- 尿素活性在混合A中达到更高的峰值.
- 机器学习模型在预测堆肥质量参数方面表现出高准确性,具有强大的确定系数.
- 尿酸活性显著预测了C/N比率和化指数.
结论:
- 酶活性概况与堆肥材料的物理化学特性和基质组成密切相关.
- 酶评估提供了一个快速的方法来评估生物活性和有机物转化在污泥-基纤维素堆肥.
- 机器学习有效地预测了堆肥质量,有助于过程优化.
更多相关视频
08:21Isolation and Screening from Soil Biodiversity for Fungi Involved in the Degradation of Recalcitrant Materials
Published on: May 16, 2022
4.7K
11:31High-throughput Screening of Recalcitrance Variations in Lignocellulosic Biomass: Total Lignin, Lignin Monomers, and Enzymatic Sugar Release
Published on: September 15, 2015
9.9K
