Forschungsdaten – Titel und Zusammenfassungen von Publikationen, extrahierte Daten und Katalogeinträge – erscheinen in ihrer Originalsprache Englisch.
Publikation
Disentangling the syntrophic electron transfer mechanisms of Candidatus geobacter eutrophica through electrochemical stimulation and machine learning
- Candidatus geobacter eutrophica
- dominant fermentative bacteria
- Ca. G. eutrophica
- Geobacter
- Geobacter OTU650
- Methanobacterium Electrotrophus Ysl
Zusammenfassung
Was die Publikation berichtet, in ihren eigenen Worten.
Zusammenfassung
Interspecies hydrogen transfer (IHT) and direct interspecies electron transfer (DIET) are two syntrophy models for methanogenesis. Their relative importance in methanogenic environments is still unclear. Our recent discovery of a novel species Candidatus Geobacter eutrophica with the genetic potential of IHT and DIET may serve as a model species to address this knowledge gap. To experimentally demonstrate its DIET ability, we performed electrochemical enrichment of Ca. G. eutrophica-dominating communities under 0 and 0.4 V vs. Ag/AgCl based on the presumption that DIET and extracellular electron transfer (EET) share similar metabolic pathways. After three batches of enrichment, Geobacter OTU650, which was phylogenetically close to Ca. G. eutrophica, was outcompeted in the control but remained abundant and active under electrochemical stimulation, indicating Ca. G. eutrophica's EET ability. The high-quality draft genome further showed high phylogenomic similarity with Ca. G. eutrophica, and the genes encoding outer membrane cytochromes and enzymes for hydrogen metabolism were actively expressed. A Bayesian network was trained with the genes encoding enzymes for alcohol metabolism, hydrogen metabolism, EET, and methanogenesis from dominant fermentative bacteria, Geobacter, and Methanobacterium. Methane production could not be accurately predicted when the genes for IHT were in silico knocked out, inferring its more important role in methanogenesis. The genomics-enabled machine learning modeling approach can provide predictive insights into the importance of IHT and DIET.
Extrahierte Werte
Jeder aus der Publikation entnommene Wert mit seiner Quelle, damit sich jede Zahl am Text prüfen lässt.
n = 11 extrahierte Werte
Wählen Sie eine Quellenangabe, um Zitat, Seite und Konfidenz hinter einem Wert zu sehen.
0 von 11 extrahierten Zeilen modellierbar
- 11 Modellierungs- oder Simulationsarbeit: Modellwerte, keine Messungen
| Parameter | Wert | Einheit | Konfidenz | Quelle | Anmerkungen | Modellierbar |
|---|---|---|---|---|---|---|
| Coulombic efficiency change | -3Außerhalb des physikalischen Bereichs, Quelle prüfen | % | 90 % | extrahiert | "coulombic efficiency (CE) showed a decreasing trend and dropped by ~ 3% for the …" · T=37°C, substrate=fructose and PEG, HRT=72h | Ausgeschlossen: Modellierungs- oder Simulationsarbeit: Modellwerte, keine Messungen |
| Coulombic efficiency change | -10Außerhalb des physikalischen Bereichs, Quelle prüfen | % | 90 % | extrahiert | "and by 10% for the EtOH reactors" · T=37°C, substrate=ethanol, HRT=72h | Ausgeschlossen: Modellierungs- oder Simulationsarbeit: Modellwerte, keine Messungen |
| CH₄ Production Rate | 0,4 | L/L/d | 90 % | extrahiert | "while that of the 0-V reactors increased significantly to 0.4 L/L/d" · T=37°C, substrate=fructose and PEG, HRT=72h | Ausgeschlossen: Modellierungs- oder Simulationsarbeit: Modellwerte, keine Messungen |
| CH₄ Production Rate | 0,1 | L/L/d | 90 % | extrahiert | "the EtOH reactors produced CH4 at a much lower rate of 0.1 L/L/d in all batches" · T=37°C, substrate=ethanol, HRT=72h | Ausgeschlossen: Modellierungs- oder Simulationsarbeit: Modellwerte, keine Messungen |
| CH₄ Production Rate | 0,1 | L/L/d | 90 % | extrahiert | "the electrochemical seed (0 V vs. Ag/AgCl) showed lower methane production than …" · T=37°C, substrate=fructose and PEG, HRT=72h | Ausgeschlossen: Modellierungs- oder Simulationsarbeit: Modellwerte, keine Messungen |
| Chemical Oxygen Demand (COD) Removal×2 | 1.200 | mg/L | 90 % | extrahiert | "but similar chemical oxygen demand (COD) removal of about 1200 mg/L (Fig. 1B)" · T=37°C, substrate=fructose and PEG, HRT=72h | Ausgeschlossen: Modellierungs- oder Simulationsarbeit: Modellwerte, keine Messungen |
| Chemical Oxygen Demand (COD) Removal | 1.200 | mg/L | 90 % | extrahiert | "the reactors fed with fructose and polyethylene glycol (PEG) showed similar COD …" · T=37°C, substrate=fructose and PEG, HRT=72h | Ausgeschlossen: Modellierungs- oder Simulationsarbeit: Modellwerte, keine Messungen |
| CH₄ Production Rate | 0,5 | L/L/d | 90 % | extrahiert | "After 20 cycles (60 days) of cultivation, the electrochemical seed (0 V vs. Ag/A…" · T=37°C, substrate=fructose and PEG, HRT=72h | Ausgeschlossen: Modellierungs- oder Simulationsarbeit: Modellwerte, keine Messungen |
| CH₄ Production Rate | 0,6 | L/L/d | 90 % | extrahiert | "In Batch 1, the methane production rate of the control reactors increased slight…" · T=37°C, substrate=fructose and PEG, HRT=72h | Ausgeschlossen: Modellierungs- oder Simulationsarbeit: Modellwerte, keine Messungen |
| Chemical Oxygen Demand (COD) Removal | 250 | mg/L | 90 % | extrahiert | "the EtOH reactors removed only 250 mg/L COD (Fig. 1B)" · T=37°C, substrate=ethanol, HRT=72h | Ausgeschlossen: Modellierungs- oder Simulationsarbeit: Modellwerte, keine Messungen |
Methodik
Welches System und wie es betrieben wurde
Betriebsbedingungen
3 Läufe extrahiert| Lauf | T°C | pHAnolyt | pHKatholyt | Substrat | [S]mg/L | HRTh | Modus | R_extΩ | V_appV | Inokulum |
|---|---|---|---|---|---|---|---|---|---|---|
| v2-c012f12f670fa41d | 37 | — | — | fructose and PEG | — | 72 | — | — | — | — |
| v2-c6866d9728ae9b66 | 37 | — | — | ethanol | — | 72 | — | 0 | — | — |
| v2-edd35040fc17cb65 | 37 | — | — | fructose and PEG | — | 72 | — | 0 | — | — |
Extraktionspipeline
Rohextraktionen, Artefakte, Qualitätssignal
Extraktionsqualität
EhrlichkeitssignalBemessen Sie Ihr Vertrauen in die extrahierten Inhalte an diesen Signalen – so hat die Pipeline ihre eigene Ausgabe für diese Publikation bewertet.
KI-Konfidenz
60 %
Vom Modell selbst angegebene Konfidenz
Mittlere Parameterkonfidenz
90 %
Durchschnittliche Konfidenz der oben angezeigten PaperParameter-Zeilen
vor dem Zitieren mit dem Quell-PDF abgleichen · Werte 0–1
Diagramm-Explorer
Verändern Sie die Eingaben dieser Publikation und sehen Sie, wie sich das vorhergesagte Ergebnis verschiebt.
Modell erkunden
Der Reaktor in 3D, mit Strömung, die sich ein- und ausschalten lässt.
KI-Erkenntnisse
Widersprüche, Lücken und Chancen aus dem Vergleich dieser Publikation mit dem Korpus.
Ähnliche Publikationen vergleichen
Die nächsten Publikationen nach System, Materialien und Organismen, mit ihren Ergebnissen nebeneinander.
Quell-PDF
Die Publikation, wie sie erschienen ist.
Dieser Publikation ist noch kein 3D-Modell zugeordnet. Die daraus extrahierten Werte stehen unter „Extrahierte Werte“.
In diesem Datensatz
Organismen, Parameter und Materialien, die diese Publikation berichtet. Jeder Eintrag verweist auf seine Seite.
Organismen · 6
- Candidatus geobacter eutrophica
- dominant fermentative bacteria
- Ca. G. eutrophica
- Geobacter
- Geobacter OTU650
- Methanobacterium Electrotrophus Ysl
Schlagwörter
- Geobacter
- Methanogenesis
- Candidatus
- Electron transfer
- In silico
- Geobacter sulfurreducens
Zitieren
Heyang Yuan, Xuehao Wang, Tzu‐Yu Lin et al. (2021). Disentangling the syntrophic electron transfer mechanisms of Candidatus geobacter eutrophica through electrochemical stimulation and machine learning. Scientific Reports. https://doi.org/10.1038/s41598-021-94628-0
- PubMed
- 34302023
- Zeitschrift
- Scientific Reports