Informasi

Apa metode pengambilan sampel yang optimal untuk pemodelan pertumbuhan mikroalga?

Apa metode pengambilan sampel yang optimal untuk pemodelan pertumbuhan mikroalga?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Baru-baru ini, saya melakukan eksperimen budidaya mikroalga (Chlorella sp.) untuk pemodelan matematika pertumbuhan mikroalga terhadap waktu.

Masalah utamanya adalah bahwa analisis kandungan lipid dalam mikroalga membutuhkan volume besar media kultur per titik data. Khususnya, pada tahap awal budidaya, kepadatan mikroalga sangat rendah, sehingga hampir 20% dari total media kultur perlu dikonsumsi untuk mendapatkan satu titik data saja. Karena keterbatasan ini, terkadang saya hanya mengukur tiga kali (awal, tengah, dan terakhir).

Lebih banyak titik data jelas diinginkan untuk pemodelan yang akurat tetapi berakhir dengan kehilangan media yang sangat besar. Hal ini dapat mempengaruhi kualitas hasil eksperimen secara keseluruhan. Ini sepertinya semacam trade-off. Masalahnya adalah saya tidak dapat meningkatkan ukuran volume reaktor saat ini.

Adakah yang bisa merekomendasikan cara menghasilkan nomor pengambilan sampel yang optimal dalam situasi ini?

Setiap pengalaman, ide atau makalah yang direkomendasikan dipersilakan.

Terima kasih.


Untuk eksperimen semacam ini, terutama ketika Anda berbicara tentang pemodelan, ada baiknya menyiapkan chemostat atau setidaknya turbidostat. Contoh dari studi tersebut dapat ditemukan di: Pertumbuhan simultan dan akumulasi lipid netral dalam mikroalga oleh Klok et al. (Dipublikasikan).

Sebagai alternatif, Anda dapat menggunakan pewarna lipid seperti Bodipy tetapi pewarna ini seringkali sangat sulit untuk digunakan dan mungkin tidak menembus di Chlorella Anda. Nil Red dalam hal apa pun hampir tidak mungkin untuk bekerja secara kuantitatif meskipun digunakan cukup luas, lihat detail dalam publikasi ini. Berhati-hatilah saat melewati jalur ini.


Metodologi Penelitian dan Bakat Penelitian Pilihan Ganda Soal + Kunci Jawaban (MCQ 01)

Metodologi Penelitian MCQ untuk Persiapan Ujian Kompetitif Biologi seperti CSIR JRF/NET Life Science, ICMR JRF, DBT BET JRF, GATE BT &XL, ICAR JRF NET, State Eligibility Test (SET), PG/MS (M.Sc. ) Ujian Masuk, JAM, GS Biologi, Masuk Kedokteran, Penelitian Universitas (Ph. D.) Ujian Masuk dll)

(1). Apa tujuan penelitian dalam pendidikan?
(A). Membantu dalam pertumbuhan pribadi individu
(B). Bantu kandidat menjadi pendidik terkemuka
(C). Meningkatkan kesempatan kerja individu
(D). Meningkatkan status sosial individu

(2). Menyimpulkan seluruh populasi berdasarkan pengamatan yang dilakukan pada sebagian kecil disebut ___.
(A). Inferensi deduktif
(B). Inferensi induktif
(C). Pseudo-inferensi
(D). Inferensi objektif

(3). Keuntungan paling penting dari metode pengambilan sampel pengumpulan data adalah _____.
(A). Tingkatkan akurasi
(B). Satu-satunya metode pengumpulan data
(C). Menghemat waktu
(D). Mudah untuk menangani data

(4). Manakah dari pernyataan berikut yang TIDAK benar tentang tabel Tippit?
(A). Ini adalah tabel angka acak
(B). Digunakan dalam pengambilan sampel
(C). Sebuah tabel yang digunakan dalam penyelidikan statistik
(D). Nilai adalah logaritmik

(5). Manakah dari pernyataan berikut yang TIDAK benar tentang Random Sampling?
(A). Pengambilan sampel acak cukup akurat
(B). Pengambilan sampel acak bebas dari bias pribadi
(C). Metode pengambilan sampel yang ekonomis
(D). Dapat diterapkan untuk semua jenis pengumpulan data

(6) Seorang peneliti dikatakan melakukan kesalahan Tipe I ketika ___.

(A). Ketika dia menolak hipotesis nol yang sebenarnya benar
(B). Ketika dia menerima hipotesis nol yang sebenarnya salah
(C). Baik hipotesis nol dan hipotesis alternatif ditolak
(D). Bukan dari salah satu di atas

(7). Metode pengambilan sampel terbaik untuk pengambilan sampel ukuran populasi yang terbatas:

(A). Pengambilan sampel area
(B). Pengambilan Sampel Sistematis
(C). Pengambilan Sampel Bertujuan
(D). Pengambilan Sampel Kuota

(8). Manakah dari pernyataan berikut yang benar tentang data dalam penelitian?

(A). Dalam penelitian datanya bisa bersifat kualitatif
(B). Dalam penelitian datanya bisa kuantitatif
(C). Dalam penelitian, data bisa bersifat kualitatif dan kuantitatif
(D). Dalam penelitian, datanya bisa kuantitatif tetapi tidak pernah kualitatif

(9). Manakah dari berikut ini yang dapat dianggap sebagai penelitian evaluasi?

(A). Seberapa baik yang kita lakukan?
(B). Apa yang kita lakukan?
(C). Mengapa kita lakukan?
(D). Semua ini
(e). Tidak satupun

(10). Manakah dari berikut ini yang paling cocok untuk 'Penelitian Tindakan'?

(A). Ini adalah penelitian terapan
(B). Ini adalah penelitian kuantitas
(C). Ini adalah penelitian survei
(D). Ini adalah penelitian populasi

(11). Manakah dari pernyataan berikut tentang hipotesis yang benar?

(A). Hipotesis menghubungkan variabel dengan konstanta
(B). Hipotesis menghubungkan konstanta dengan konstanta
(C). Hipotesis menghubungkan konstanta dengan variabel
(D). Hipotesis menghubungkan variabel dengan variabel

(12). Manakah dari berikut ini yang dapat menjadi sumber data primer dalam penelitian?

(A). Survei
(B). Percobaan
(C). Survei dan Eksperimen
(D). Survei dan Referensi

(13). Penelitian korelasional berusaha untuk:

(A). Tentukan hubungan antara dua atau lebih variabel
(B). Pelajari efek satu sama lain
(C). Baik (a) dan (b)
(D). Tidak satupun

(14). Berikut ini adalah ciri-ciri mahasiswa riset yang baik, kecuali:

(A). Harus bisa ditiru
(B). Harus sistematis dan objektif
(C). Harus etis dan tidak bias
(D). Harus tidak etis dan bias

(15). Sensus penduduk yang dilakukan oleh Pemerintah India dapat menjadi contoh dari:

(A). Penelitian eksplorasi
(B). Penelitian kausal
(C). Penelitian deskriptif
(D). Semua yang di atas

(1). Jwb. (B). Membantu kandidat menjadi pendidik terkemuka

(2). Jwb. (B). Inferensi induktif

(4). Jwb. (D). Nilai adalah logaritmik

(5). Jwb. (D). Dapat diterapkan untuk semua jenis pengumpulan data

(6). Jwb. (A). Ketika dia menolak hipotesis nol yang sebenarnya benar

(7). Jwb. (B). Pengambilan sampel sistematis

(8). Jwb. (C). Dalam penelitian, data bisa bersifat kualitatif dan kuantitatif

(9). Jwb. (A). Seberapa baik yang kita lakukan?

(10). Jwb. (A). Ini adalah penelitian terapan

(11). Jwb. (D). Hipotesis menghubungkan variabel dengan variabel

(12). Jwb. (C). Survei dan Eksperimen

(14). Jwb. (D). Harus tidak etis dan bias

(15). Jwb. (C). Penelitian deskriptif

Kunci jawaban disiapkan dengan sepengetahuan kami.
Mohon informasinya kepada Admin jika ada kesalahan pada kunci jawaban..


PENGANTAR

Fasilitas Reklamasi Air Central Valley (CVWRF) adalah pabrik pengolahan air limbah kota terbesar di Utah, AS dan harus memenuhi Batas Efluen Fosfor (P) Berbasis Teknologi baru sebesar 1,0 mg/L yang ditetapkan oleh Divisi Kualitas Air Utah (DWQ). Konsentrasi P pada limbah primer saat ini berkisar antara 3 sampai 4 mg/L. Sistem penghilangan fosfor aliran samping sedang diterapkan untuk menghilangkan nitrogen (N) dan P melalui pengendapan struvite yang terkontrol. Struvite adalah endapan mineral dengan magnesium equimolar (Mg), amonium, dan fosfat yang terbentuk ketika konstituen ionik ini jenuh dalam kondisi basa.

Secara historis, limbah digester anaerobik disaring menggunakan belt press dan filtratnya disirkulasikan kembali ke bagian utama fasilitas. Magnesium, amonium, dan fosfat dipertahankan dalam sistem dan menjadi jenuh dari waktu ke waktu, menyebabkan pengendapan struvite yang mengganggu yang menyumbat sabuk, pompa, dan pipa. Karena geografi lokal, CVWRF memiliki konsentrasi Mg influen tinggi yang secara signifikan berkontribusi terhadap pengendapan struvite yang mengganggu (Waddell dkk. 2003 Melcer & Lindley 2019).

Reaktor biofilm alga berputar skala pilot (RABR) diimplementasikan untuk mengolah filtrat digester anaerobik. Skema RABR ditunjukkan pada Gambar 1. Pertumbuhan biofilm mikroalga menghilangkan N dan P dari air limbah melalui aktivitas metabolisme untuk membentuk mikroalga dengan stoikiometri umum C106n16P1 (Sterner & Elser 2002 Cabije dkk. 2009 Wang dkk. 2013 Delgadillo-Mirquez dkk. 2016). Keuntungan dari sistem pengolahan air limbah berbasis biofilm termasuk kebutuhan ruang yang rendah, pengurangan waktu retensi hidrolik (HRT), kinerja yang stabil, produksi lumpur yang rendah, dan konsentrasi tinggi, biomassa beragam aktif yang dapat mendegradasi berbagai polutan organik (Zhao dkk. 2019). Dibandingkan dengan pertumbuhan mikroalga tersuspensi, biofilm dapat mencapai efisiensi penyisihan nutrisi yang lebih tinggi dan biomassa lebih murah untuk dipanen untuk konversi selanjutnya menjadi bioproduk (Christenson & amp Sims 2012).

Skema RABR CVWRF menunjukkan sistem aliran kontinu. Influen terdiri dari filtrat efluen anaerobik digester dan air pencuci dari belt press yang digunakan untuk menyaring efluen digester anaerobik. Disk berputar yang ditutupi dengan biofilm mikroalga 40% terendam dalam air tangki RABR.

Skema RABR CVWRF menunjukkan sistem aliran kontinu. Influen terdiri dari filtrat efluen anaerobik digester dan air pencuci dari belt press yang digunakan untuk menyaring efluen digester anaerobik. Disk berputar yang ditutupi dengan biofilm mikroalga 40% terendam dalam air tangki RABR.

RABR telah digunakan untuk mengolah air kota, petrokimia, dan air terproduksi (Peterson 2018). N, P, dan total padatan tersuspensi berkurang hingga 18,1 mg/L (72,4%), 1,00 mg/L (55,6%), dan 23,9 mg/L 61,3%) saat menggunakan sistem RABR untuk mengolah air limbah petrokimia (Hodges dkk. 2017). Total N terlarut berkurang dari 8,3 mg/L menjadi 1,1 mg/L dan total P terlarut berkurang dari 4,1 mg/L menjadi 1,1 mg/L saat menggunakan sistem RABR untuk mengolah air limbah kota (Christenson & Sims 2012). Teknologi RABR dapat membantu CVWRF memenuhi standar limbah P.

Selama operasi RABR, struvite diamati dalam matriks biofilm mikroalga. Presipitasi struvite yang dimediasi biofilm memiliki implikasi rekayasa untuk meningkatkan penghilangan N dan P dari air limbah yang kaya magnesium. Biomassa dipanen pada interval untuk mempertahankan pertumbuhan logaritmik dan pelet menjadi pupuk. Struvite dipasarkan sebagai pupuk lepas lambat (Szymanska dkk. 2019). Struvite dalam matriks biofilm dapat meningkatkan kualitas pupuk dan daya jual biomassa pelet. Tujuan dari penelitian ini adalah untuk mengamati, mengukur, dan memahami pembentukan struvite dalam biofilm mikroalga dalam sistem RABR CVWRF.


Abstrak

Meskipun berpotensi tinggi sebagai bahan baku untuk produksi bahan bakar dan bahan kimia, budidaya industri mikroalga masih menghadapi banyak masalah. Hasil dalam sistem budidaya mikroalga dibatasi oleh energi matahari yang dapat dipanen. Ketersediaan model yang andal yang mewakili fenomena utama yang mempengaruhi pertumbuhan alga dapat membantu merancang dan mengoptimalkan sistem produksi yang efektif di tingkat industri. Dalam karya ini pengaruh kompleks rezim cahaya yang berbeda pada alga air laut Nannochloropsis salina pertumbuhan diwakili oleh model prinsip pertama. Data percobaan seperti in vivo pengukuran fluoresensi digunakan untuk mengembangkan model. Model yang diusulkan memungkinkan deskripsi semua kurva pertumbuhan dan data fluoresensi dengan cara yang andal. Struktur model dinilai dan dimodifikasi untuk menjamin identifikasi model dan estimasi set parametriknya dengan cara yang kuat dan andal.


Bahan dan metode

Ketersediaan Data

Rakitan, prediksi gen, data transkriptom, pohon HGT dan keberpihakan dapat diambil di http://cyanophora.rutgers.edu/picochlorum/, terakhir diakses 8 September 2018.

Isolasi Informasi dan Tingkat Pertumbuhan

Pikoklorum SE3, P. oklahomensis UTEX B2795, Pikoklorum NBRC102739 (sebelumnya MBIC10091), dan P. oculata UTEX LB 1998 (sinonim Nannochloris oculata) dibudidayakan dalam kultur batch menggunakan media f/2 buatan Guillard berbasis air laut (Guillard dan Ryther 1962) tanpa silika. Kultur ditumbuhkan pada 25 ° C di bawah cahaya terus menerus (100 E m 2 s -1 ) pada pengocok putar pada 100 rpm (Innova 43, New Brunswick Eppendorf).

Urutan Genom, Perakitan, Prediksi Gen, dan Anotasi

Sel alga dibekukan dalam nitrogen cair, dihomogenisasi menggunakan Qiagen TissueLyser, dan gDNA diekstraksi untuk pengurutan PacBio sesuai dengan “isolasi DNA genom dari tanaman dan jamur berfilamen menggunakan protokol yang dikembangkan pengguna Qiagen Genomic-tip” menggunakan Qiagen Genomic- Tip 100/G Kit. DNA genom diekstraksi dari P. oculata dan Pikoklorum NBRC102739 untuk pengurutan Illumina menggunakan Qiagen DNeasy Plant Mini Kit.

Persiapan dan pengurutan perpustakaan Pacific Biosciences dilakukan oleh DNA Link, Inc. (Seoul, Korea Selatan). Pikoklorum SE3 dan P. oklahomensis diurutkan pada sistem PacBio RSII menggunakan kimia P6-C4 dengan Protokol MagBead OneCellPerWell v1 (Ukuran Sisipkan 20 kb, waktu film 1 × 240 menit) dan 2 dan 4 sel SMRT, masing-masing. FALCOLN-Unzip digunakan untuk perakitan. NS P. oculata dan P. Pustaka NBRC102739 disiapkan menggunakan Illumina Truseq Nano Library Preparation Kit, diurutkan menggunakan MiSeq Personal Genome Sequencer (Illumina) dengan pembacaan 2 × 300 bp (ujung berpasangan) dengan kit 600 siklus, dan dirakit dengan CLC Genomics Workbench versi 8. Selain itu , bacaan yang diurutkan Illumina dihasilkan untuk P. oklahomensis, dan bersama dengan Illumina sebelumnya menghasilkan perakitan Pikoklorum SE3 (v1) dipetakan ke rakitan PacBio untuk memverifikasi isolat. Pembacaan Illumina digunakan untuk mengoreksi kesalahan Pikoklorum Perakitan utama SE3 menggunakan pemetaan baca (fraksi panjang = 1, identitas urutan= 99%) dan utilitas ekstraksi konsensus (parameter default) dari CLC Genomics Workbench. Karena heterozigositas yang tinggi dari P. oklahomensis, koreksi kesalahan dengan pembacaan Illumina tidak mungkin dilakukan. Genom kloroplas dan mitokondria berasal dari sekuensing Illumina untuk semua isolat. Contigs dengan kontaminasi bakteri, cakupan rendah (<10×), atau contigs duplikat dihapus secara manual.

Analisis K-mer dilakukan dengan alat analisis histo KAT (Mapleson et al. 2016) menggunakan data sekuensing Illumina dan diplot di bawah R. Frekuensi varian dihitung dengan memetakan pembacaan Illumina (Pikoklorum SE3, 0,31 Gbp P. oklahomensis, 5,59 Gbp) ke rakitan utama yang diturunkan dari sekuensing PacBio (fraksi panjang 100%, identitas 70%), dan kemudian menggunakan fungsi deteksi varian dasar CLC Genomics Workbench (ploidi = 2, cakupan min =10, frekuensi min = 1%) . Penyisipan dan penghapusan dikeluarkan dari perhitungan frekuensi.

Augustus (Stanke et al. 2004) digunakan untuk memprediksi gen pada semua isolat dengan Pikoklorum SE3 v1 sebagai model, dibuat dengan petunjuk dari EST seperti yang dijelaskan dalam Foflonker et al. (2015). DOGMA dan Mitofy digunakan untuk prediksi gen dan anotasi genom kloroplas dan mitokondria (Wyman et al. 2004 Alverson et al. 2010). Untuk menilai kelengkapan genom, proteom ditanyakan terhadap set gen inti BUSCO Eukaryota_odb9 (Simão et al. 2015). CD hit digunakan untuk menghilangkan gen yang berlebihan dengan >99% kesamaan untuk analisis hilir (Li dan Godzik 2006). Fungsi gen dijelaskan menggunakan pipa Blast2GO (Conesa et al. 2005). Jalur dijelaskan menggunakan Kyoto Encyclopedia of Gens and Genomes (KEGG) Automatic Annotation Server (KASS) dengan metode hit terbaik dua arah terhadap set gen perwakilan eukariotik dan termasuk alga yang tersedia (Moriya et al. 2007).

Sintesis Genom

Program MCScanX_h (ukuran blok min = 5, celah maks = 5) dari paket MCScanX digunakan untuk menentukan sinteni dengan daftar pasangan ortolog dan koortolog yang dihasilkan OrthoMCL (BlastP cut-off <1E-5) di antara Pikoklorum isolat sebagai input (Wang et al. 2012). Semua protein yang diprediksi (sebelum menghilangkan 99% protein redundan identitas) digunakan dalam analisis ini untuk menilai kolinearitas dengan lebih baik. Synteny divisualisasikan menggunakan Circos v-0,69 ( Krzywinski et al. 2009). Program pengklasifikasi gen duplikat dari paket MCScanX dengan ledakan all-versus-all (cutoff Blastp 1E-10) sebagai input digunakan untuk mengklasifikasikan gen duplikat.

Konstruksi Pohon Multiprotein dan Menyimpulkan Keuntungan/Kerugian Keluarga Gen

Data proteome dari 18 ganggang hijau chlorophyte dan 3 spesies streptophyte dikumpulkan: Chlamydomonas reinhardtii (Pedagang dkk. 2007), Volvox carteri (Prochnik dkk. 2010), Chlorella variabilis (Blanc et al. 2010), Coccomyxa subellipsoidea (Blanc et al. 2012), Mikromonas sp. RCC299, Micromonas pusilla CCMP1545 (Worden dkk. 2009), Ostreococcus tauri (Palenik dkk. 2007), Ostreococcus lucimarinus, Ostreococcus sp. RCC809 (Departemen Energi AS, Phytozome), dan Bathycoccus prasinos (Moreau dkk. 2012), Chlorella protothecoides (Gao dkk. 2014), Gonium dada (Hanschen dkk. 2016), Pikoklorum SE3, Pikoklorum NBRC102739, P. oklahomensis, P. oculata, dan Pikoklorum DOE101, dan streptofita Klebsorbidium flaccidum (Hori dkk. 2014), Arabidopsis thaliana (Blanc et al. 2003), dan Physcomitrella patens (Rensing et al. 2008). CD hit digunakan untuk menghilangkan protein yang berlebihan dengan >95% kesamaan per genom (Li dan Godzik 2006). Grup ortolog dibangun menggunakan OrthoMCL dengan cutoff BlastP E-nilai < 1E-5 ( Li et al. 2003). Penjajaran kelompok ortologis dihasilkan dari kumpulan data gabungan ini (memungkinkan data yang hilang dari maksimum tiga klorofit dan dua kelompok luar) seperti yang dijelaskan dalam Foflonker et al. (2015). Sebanyak 1122 penyelarasan digabungkan menjadi penyelarasan super (293.805 asam amino) dan pohon multiprotein yang dibangun menggunakan IQ-TREE (Nguyen et al. 2015). Untuk menyimpulkan keuntungan atau kerugian keluarga gen, metode kekikiran Dollo ( Farris 1977) dalam program DOLLOP paket PHYLIP ( Felsenstein 2002) digunakan dengan keluarga gen yang ditentukan oleh analisis OrthoMCL sebagai masukan analisis ini.

Metode Filogenomik

Untuk mencari HGT, Pikoklorum proteom tunduk pada pipa filogenomik (Qiu et al. 2016). Secara singkat, kami mengunduh database protein (RefSeq versi 58) dari situs FTP NCBI (ftp://ftp.ncbi.nlm.nih.gov/refseq/). Untuk setiap genus (misalnya, Arabidopsis), kami mempertahankan spesies dengan jumlah urutan terbesar (mis., A. thaliana) dan menghilangkan spesies yang tersisa (misalnya, A. lyrata). Basis data RefSeq yang direduksi ini kemudian digabungkan dengan basis data sekuens alga merah (dijelaskan dalam Qiu et al. 2015), sekuens protein “chromalveolate” yang berasal dari basis data MMETSP (Keeling et al. 2014) dan sekuens dari alga hijau termasuk alga hijau yang baru-baru ini diterbitkan genom: Picochlorum soleocismus DOE101 (rumah kaca.lanl.gov), Klebsorbidium flaccidum (Hori dkk. 2014), Gonium dada (Hanschen dkk. 2016), Chlorella protothecoides (Gao dkk. 2014), Coccomyxa subellipsoidea (Blanc et al. 2012), Bathycoccus prasinos (Moreau et al. 2012), dan empat Pikoklorum spesies yang diurutkan dalam penelitian ini. Untuk setiap ordo atau spesies, sekuens yang berlebihan (identitas sekuens 85%) dihilangkan menggunakan CD-HIT v4.5.4. NS Pikoklorum urutan kueri digunakan dalam pencarian Blastp (E-nilai < 10 5) terhadap database lokal yang disebutkan di atas. 1.000 hit Blastp teratas (diurutkan berdasarkan skor bit) dari setiap kueri diuraikan melalui skrip khusus untuk mengekstrak 12 perwakilan dari setiap filum untuk membuat sampel yang beragam secara taksonomi. Hit Blastp diurutkan ulang sesuai dengan identitas kueri-hit diikuti dengan pengambilan sampel dari rangkaian perwakilan lainnya. Urutan kueri kemudian digabungkan dengan dua set sampel yang mewakili urutan. Penjajaran urutan dibangun menggunakan Muscle v3.8.31 di bawah pengaturan default ( Edgar 2004) diikuti dengan pemangkasan menggunakan TrimAl v1.2 ( Capella-Gutiérrez et al. 2009) dalam mode otomatis (-automated1). FastTree v2.1.7 ( Price et al. 2010) digunakan di bawah model WAG untuk membangun pohon filogenetik yang terdiri dari setidaknya empat daun. Sebuah skrip khusus digunakan untuk mengurutkan pohon yang terdiri dari Pikoklorum yang bersarang di antara prokariota (Qiu et al. 2015). Urutan kandidat HGT kemudian dianalisis ulang (tanpa pemangkasan keberpihakan) menggunakan IQ-TREE v1.4.3 (Nguyen et al. 2015) dengan fungsi pemilihan model bawaan dan dukungan cabang yang diperkirakan menggunakan bootstrap ultrafast (UFboot) dengan 1.500 ulangan bootstrap (-bb 1.500). Pohon filogenetik kemudian dianalisis secara manual untuk bukti monofili antara Pikoklorum dan prokariota atau pohon yang hanya berisi prokariota dengan minimal 4 spesies dan 30% identitas. Kandidat HGT di Pikoklorum SE3 dan P. oklahomensis diverifikasi dengan data transkriptom, bukti transkripsi yang kurang telah dihapus.

RNA-Seq dan Analisis Ekspresi Spesifik Alel

Sel yang diadaptasi ke media 1 M NaCl f/2 dipintal, dicuci, dan ditempatkan dalam media yang mengandung 1,5 M NaCl dan 10 mM NaCl dalam kultur rangkap tiga. Sel dipanen dan dibekukan pada 1 dan 5 jam setelah perlakuan kejut salinitas. Ekstraksi, pengurutan, dan analisis RNA untuk P. oklahomensis dilakukan seperti yang dijelaskan sebelumnya ( Foflonker et al. 2016), dengan pengecualian bahwa perpustakaan diurutkan menggunakan Illumina (kit reagen MiSeq v3 150 siklus) dipasangkan ujung kit reagen 2 × 75. DE ditentukan menggunakan DESeq (paket R/biokonduktor) ( Love et al. 2014) dan jumlah pembacaan ditentukan oleh analisis RNA-seq CLC sebagai masukan. Nilai kejutan salinitas dinormalisasi ke nilai pra-kejutan (1 M NaCl). A P-nilai 1% dan l2fc 1 ditetapkan sebagai batas untuk semua gen yang diekspresikan secara berbeda (DE) yang dibahas dalam artikel ini. Data transkriptom untuk Pikoklorum SE3 yang digunakan dalam perbandingan ini sebelumnya diterbitkan dan menggunakan Pikoklorum Perakitan SE3 v1 ( Foflonker et al. 2016). Alat Jalur Biocyc digunakan untuk membuat database jalur untuk P. oklahomensis dan OmicsViewer dan OmicsDashboard digunakan untuk menganalisis data RNA-seq (Karp et al. 2016).

Untuk ekspresi spesifik alel, pembacaan RNA-seq dipetakan ke kumpulan gabungan primer dan haplotig dengan keketatan tinggi (identitas 100% di atas wilayah yang dipetakan), menghapus semua hit nonspesifik (56). Pasangan alel ditentukan dengan mengambil hit Blastp timbal balik (identitas > 70%, cakupan >90%) dari gen yang diprediksi pada haplotig dan contigs primer. Rasio pembacaan primer terhadap haplotig yang dipetakan dihitung dengan menjumlahkan pembacaan yang dipetakan dari percobaan rangkap tiga pada setiap kondisi, menghilangkan gen dengan <10 pembacaan yang dipetakan per pasangan alel.


Ganggang

Editor kami akan meninjau apa yang Anda kirimkan dan menentukan apakah artikel tersebut akan direvisi atau tidak.

Ganggang, tunggal ganggang, anggota dari kelompok organisme fotosintetik yang didominasi akuatik dari kingdom Protista. Alga memiliki banyak jenis siklus hidup, dan ukurannya berkisar dari mikroskopis Mikromonas spesies hingga rumput laut raksasa yang panjangnya mencapai 60 meter (200 kaki). Pigmen fotosintesis mereka lebih bervariasi daripada tumbuhan, dan sel-sel mereka memiliki fitur yang tidak ditemukan di antara tumbuhan dan hewan. Selain peran ekologisnya sebagai penghasil oksigen dan sebagai basis makanan bagi hampir semua kehidupan akuatik, alga secara ekonomi penting sebagai sumber minyak mentah dan sebagai sumber makanan serta sejumlah produk farmasi dan industri bagi manusia. Taksonomi alga diperdebatkan dan dapat berubah dengan cepat ketika informasi molekuler baru ditemukan. Ilmu yang mempelajari tentang alga disebut fikologi, dan orang yang mempelajari alga adalah seorang phycologist.

Apa itu alga?

Alga didefinisikan sebagai kelompok organisme akuatik, fotosintesis, dan pembawa nukleus yang dominan yang tidak memiliki akar, batang, daun, dan struktur reproduksi multiseluler khusus tanaman yang sebenarnya. Pigmen fotosintesis mereka juga lebih bervariasi daripada tumbuhan, dan sel-sel mereka memiliki fitur yang tidak ditemukan di antara tumbuhan dan hewan.

Organel apa yang dikandung alga?

Alga adalah organisme eukariotik dan mengandung tiga jenis organel bermembran ganda: nukleus, kloroplas, dan mitokondria. Pada kebanyakan sel alga, hanya ada satu nukleus, meskipun beberapa sel berinti banyak.

Apakah alga beracun?

Beberapa spesies alga menghasilkan racun yang mematikan bagi ikan, atau membuat kerang dan finfish tidak aman untuk dikonsumsi. Dinoflagellata (yang kontroversial secara taksonomi) bertanggung jawab atas pasang merah, yang tidak hanya melepaskan racun ke dalam air yang mungkin mematikan bagi kehidupan akuatik, tetapi juga sel beracun yang disemprotkan oleh angin yang dapat menyebabkan masalah kesehatan bagi organisme penghirup udara.

Berapa ukuran alga?

Ukuran ganggang berkisar dari picoplankton, yang berdiameter antara 0,2 hingga 2 mikrometer (0,000008 hingga 0,000079 inci), hingga rumput laut raksasa, yang panjangnya bisa mencapai 60 meter (200 kaki).

Mengapa alga penting?

Alga menghasilkan hingga setengah dari oksigen di atmosfer bumi, dan alga membantu menjaga karbon dioksida keluar dari atmosfer dengan menyimpannya. Alga juga merupakan makanan dasar bagi hampir semua kehidupan akuatik, dan secara ekonomi penting sebagai sumber minyak mentah dan sebagai sumber makanan dan sejumlah produk farmasi dan industri bagi manusia.

Dalam artikel ini ganggang didefinisikan sebagai organisme eukariotik (pembawa inti) yang berfotosintesis tetapi tidak memiliki struktur reproduksi multiseluler khusus tanaman, yang selalu mengandung sel-sel penghasil gamet subur yang dikelilingi oleh sel-sel steril. Alga juga tidak memiliki akar, batang, dan daun sejati—fitur yang sama-sama dimiliki oleh tumbuhan avaskular bawah (misalnya lumut, lumut hati, dan lumut tanduk). Selain itu, alga yang dibahas dalam artikel ini tidak termasuk alga biru-hijau prokariotik (tidak memiliki inti) (cyanobacteria).

Mulai tahun 1830-an, alga diklasifikasikan ke dalam kelompok besar berdasarkan warna—misalnya, merah, coklat, dan hijau. Warna-warna tersebut merupakan refleksi dari pigmen kloroplas yang berbeda, seperti klorofil, karotenoid, dan fikobiliprotein. Lebih dari tiga kelompok pigmen dikenali, dan setiap kelas alga memiliki seperangkat jenis pigmen yang berbeda dari semua kelompok lainnya.

Ganggang tidak terkait erat dalam arti evolusi, dan filogeni kelompok masih harus digambarkan. Kelompok alga tertentu berbagi fitur dengan protozoa dan jamur yang, tanpa adanya kloroplas dan fotosintesis sebagai fitur pembatas, membuat mereka sulit dibedakan dari organisme tersebut. Memang, beberapa ganggang tampaknya memiliki hubungan evolusioner yang lebih dekat dengan protozoa atau jamur daripada yang mereka lakukan dengan ganggang lainnya.

Artikel ini membahas alga dalam hal morfologi, ekologi, dan fitur evolusionernya. Untuk pembahasan protista terkait, Lihat artikel protozoa dan protista. Untuk pembahasan lebih lengkap tentang fotosintesis, Lihat artikel fotosintesis dan tumbuhan.


DISKUSI

Studi sebelumnya menunjukkan bahwa produksi rotifera dipengaruhi oleh makanan mereka (Lubzens 1987 Lubzens dkk. 2001). Sarma dan Rao (1987) melaporkan, pertumbuhan banyak rotifera merupakan fungsi dari jenis makanan dan tingkat makanan yang disediakan. Hal ini disebabkan oleh banyak faktor yang dapat mempengaruhi kesesuaian spesies mikroalga sebagai pakan hidup seperti ukuran, bentuk, mobilitas, kecernaan dan komposisi nutrisi. Namun penelitian ini menunjukkan tingkat pertumbuhan sesaat yang sama ketika kepadatan alga berada pada tingkat kelimpahan (0,3 × 106 sel per ml). Menurut Yufera dan Pascual (1980), tingkat pertumbuhan tertinggi tercatat saat menggunakan Tetraselmis suecica. Sementara itu Kostard dkk. (1989a) melaporkan tingkat pertumbuhan tertinggi saat menggunakan Isochrysis galbana dibandingkan dengan yang lain seperti Tetraselmis sp., atom nanokloris atau campuran dari Isokrisis dan Tetraselmis, Isokrisis dan Nannokloris, dan Tetraselmis dan Nannokloris. Isokrisis sp. adalah jenis spesies ganggang motil, tetapi dengan mobilitas lambat dibandingkan dengan Tetraselmis. Meskipun penggunaan Tetraselmis sp dan Isokrisis sp. ideal untuk rotifer, mencapai kultur kepadatan tinggi cukup sulit dibandingkan dengan Nannokloris, Nannokloropsis dan Chlorella.

Studi sebelumnya juga melaporkan korelasi kuat antara laju pertumbuhan rotifera dan kelimpahan makanan (Edmonson 1965 Hotos 2002 Snell dkk. 1983). Lee dan Tamaru (1993), menyarankan bahwa kepadatan makanan pada 10 sampai 20 × 106 sel per ml Nannochloropsis oculata untuk budaya intensif Brachionus plicatilis. Sebaliknya, Hoff dan Snell (2001), merekomendasikan kepadatan makanan hanya 0,1 × 106 sel per ml untuk nilai nutrisi yang optimal.

Studi ini menunjukkan pada masing-masing dari empat tingkat kepadatan makanan yang diuji (yaitu 0,1 × 10 6 , 0,3 × 10 6 , 0,7 × 10 6 dan 1,5 × 106 sel per ml) untuk semua spesies yang dihasilkan dalam tingkat pertumbuhan sesaat lebih tinggi kecuali pada kepadatan makanan terendah yang diuji pada 0,1 × 106 sel per ml untuk Nannokloris sp., Isokrisis sp., Chlorella sp. dan Nannokloropsis sp.

Pada kepadatan makanan 0,1 × 10 6 sel per ml, rata-rata laju pertumbuhan seketika tergantung pada spesies makanan. Hanya Tetraselmis sp. mencatat tingkat pertumbuhan sesaat yang jauh lebih tinggi. Hal ini menunjukkan bahwa pada kepadatan makanan rendah, jenis makanan menjadi faktor pembatas. Fitur dari Tetraselmis sp. yang mampu bergerak lebih cepat dari Isochrysis sp. memberi mereka keuntungan sebagai makanan pilihan untuk rotifera. Ini diikuti oleh Isokrisis sp. dengan nilai rata-rata tingkat pertumbuhan sesaat pada 0,50 per hari dan kemudian dengan Chlorella sp., Nannokloris sp. dan Nannokloropsis sp., yang merupakan spesies non-motil.

Rata-rata laju pertumbuhan rotifera meningkat secara signifikan dengan meningkatkan kepadatan makanan dari 0,1 × 106 sel per ml menjadi 0,3 × 106 sel per ml, kecuali Tetraselmis sp. Rotifera yang diberi makanan dengan kepadatan 0,3 × 10 6 sel per ml menunjukkan rata-rata laju pertumbuhan seketika lebih tinggi untuk semua spesies alga. Oleh karena itu diasumsikan bahwa dalam kultur rotifera intensif, kultur dengan kepadatan yang lebih tinggi dapat dicapai pada tingkat kepadatan alga ini. Rata-rata laju pertumbuhan seketika juga lebih tinggi pada 0,7 × 106 sel per ml dan 1,5 × 106 sel per ml. Hal ini menunjukkan bahwa rotifera mendapatkan makanan yang cukup. Namun, Tetraselmis sp. tetap menjadi makanan favorit. Studi ini secara umum menunjukkan bahwa makanan yang diberikan dengan kepadatan 0,1 × 10 6 hingga 1,5 × 106 sel per ml berkontribusi pada tingkat pertumbuhan instan yang lebih tinggi untuk rotifera. Snell dkk. (1983) melaporkan, B. plicatilis mencatat puncak tingkat pertumbuhan menggunakan Chlorella sp. pada kepadatan 0,5 mg per ml diikuti dengan penurunan laju pertumbuhan sesaat pada kepadatan tinggi alga. Hotos (2002) menyatakan tingkat konsumsi B. plicatilis meningkat dengan meningkatnya kepadatan alga yang diberikan dan menurun pada kepadatan 620.000 per ml. Sementara itu, Kostardo dkk. (1989b), tingkat konsumsi rotifer yang diamati meningkat secara linier dengan peningkatan kepadatan makanan sampai tingkat maksimum dan kemudian tetap konstan.

Hasilnya menunjukkan, ketika semua jenis makanan yang diberikan pada kondisi kelimpahan menghasilkan dampak yang lebih tinggi pada rata-rata laju pertumbuhan rotifera seketika. Tetapi Tetraselmis menunjukkan pertumbuhan yang lebih baik dari Chlorella, Nannokloropsis menunjukkan pertumbuhan yang lebih baik dari Isokrisis dan Nannokloropsis menunjukkan pertumbuhan yang lebih baik dari Chlorella. Rotifera yang dipelihara pada volume kultur 70 ml dan 210 ml juga tidak menunjukkan perbedaan yang signifikan, kecuali Tetraselmis-isokiris dan Isokrisis-Chalo dalam kultur 210 ml. Tidak ada perbedaan yang signifikan karena rata-rata laju pertumbuhan sesaat menggunakan Isokrisis sp. lebih rendah. Karakteristik mangsa yang motil dapat diabaikan ketika pada kepadatan makanan yang tinggi diberikan kepada rotifera, sehingga faktor mobilitas mangsa hanya signifikan pada kepadatan makanan yang rendah.

Studi kami menyarankan bahwa kultur rotifera dalam sistem kultur intensif dapat dilakukan pada kepadatan makanan antara 0,3 × 106 sel per ml hingga 0,7 × 106 sel per ml kecuali untuk Tetraselmis sp., yang dapat disuplai pada kepadatan yang lebih rendah. Semua spesies alga yang diuji pada 1,5 × 10 6 sel per ml menunjukkan penurunan pola laju pertumbuhan rotifera, kecuali Chlorella sp..

Studi kami juga mengungkapkan bahwa kultur rotifera dengan kepadatan tinggi lebih baik bila dilakukan dalam wadah kecil. Hasil kami menunjukkan bahwa rotifera diberi makan dengan Tetraselmis sp. pada 0,1 × 106 sel per ml, menunjukkan laju pertumbuhan instan rata-rata tertinggi ketika kultur dalam kultur volume 20 ml (1,40 per hari), dan menjadi lebih rendah pada 70 ml (0,80 per hari) dan 210 ml (0,60 per hari). ) budaya volume. Menurut Rimatulhana dkk. (2006), tingkat pertumbuhan untuk B. plicatilis ukuran SS, yang dikultur dalam 750 ml pada 30 psu menggunakan Nannokloropsis sp. pada 3 × 10 6 sel per ml adalah 0,787 per hari. Yoshimatsu dan Hossain (2014), melaporkan dalam kultur kepadatan tinggi, rotifera terkena kondisi tekanan tinggi seperti dari kotoran mereka sendiri, situasi yang tidak terjadi di lingkungan alami mereka, dan karenanya akan membuat kultur tidak stabil.

Studi mereka juga menunjukkan tingkat pertumbuhan sesaat rotifera per hari lebih tinggi ketika diet bergerak digunakan bahkan pada kepadatan makanan rendah dibandingkan dengan spesies makanan stasioner yang membutuhkan kepadatan lebih tinggi untuk hasil yang sama. penggunaan dari Tetraselmis sp. dan Isokrisis sp. at lower densities than the three other species produced a higher instantaneous growth rate of rotifers. Factor of mobility for Tetraselmis sp. dan Isochrysis sp. were met with their predators become more frequent.

Statistical test revealed that the effects of food densities on the mean instantaneous growth rate values were varied between species (P < 0.01) and furthermore the food densities dominated over food species on rotifers production. According to Theilacker and McMaster (1971), high food densities are the most important parameters needed to ensure high production of rotifer.


1. PERKENALAN

Cells communicate with each other and respond to a variety of stimuli by releasing membrane-enclosed vesicles, which are found in extracellular fluids (Yáñez-Mó et al., 2015 ). Several types of cell-derived vesicles are commonly distinguished according to their formation mechanism and size. Extracellular vesicles (EVs) have recently emerged as important entities used by cells to mediate several physiological processes or affect various pathological conditions associated with the activation of an immune response or the spread of cancer and virus infections (Dhondt et al., 2020 Maacha et al., 2019 Urbanelli et al., 2019 ). EVs constitute also cross-species communication means and have been found in all kingdoms of life (Bleackley et al., 2020 Cai et al., 2018 Gill et al., 2019 Muraca et al., 2015 Soares et al., 2017 ). Beside mammalian cells, there are various sources available to produce EVs, including bacteria, bovine milk and plants, and indeed several have been studied for therapeutic applications (Bitto & Kaparakis-Liaskos, 2017 Gerritzen et al., 2017 Kim et al., 2015 Munagala et al., 2016 Paganini et al., 2019 Pocsfalvi et al., 2018 Raimondo et al., 2015 Wang et al., 2013 ). The exploitation of the biotechnological potential of EVs as carriers of bioactive compounds for different theranostic applications is of increasing interest. The growth of this field is evident from the surge in recent years in the number of publications, patents, companies, and clinical trials related to EVs (Kosaka et al., 2019 Shaimardanova et al., 2020 Zipkin, 2019 ). As such, in the context of better harmonizing research efforts also aimed at valorising the potential of EVs, Théry and Witwer et al. (2018) recently revised the required parameters for the robust description of EVs (Théry et al., 2018 ).

Microalgae are microorganisms constituting a rich reservoir of bioactive metabolites such as pigments, polyunsaturated fatty acids, antioxidants or antimicrobial compounds, which are being increasingly exploited in commercial ventures (Cuellar-Bermudez et al., 2015 Friedl et al., 2021 Khan et al., 2018 Leu & Boussiba, 2014 Zhu, 2015 ). Microalgae are also heralded as promising feedstock in the context of the bio-based economy and the better valorisation of natural and renewable bioresources for the production of biofuels, animal feeds and other valuable commodities. This polyphyletic group of microorganisms shows high genetic diversity and has colonised many habitats due to the unique metabolic attributes that some species possess (Friedl et al., 2021 ). Many microalgae species are suitable for growth in industrial scale photobioreactors under controlled cultivation conditions and are seen as highly productive crops when compared with terrestrial plants (Khan et al., 2018 ).

In the context of the H2020-FETOpen project VES4US (www.ves4us.eu) here we propose microalgae as potential bioresources for the production of EVs with applications for the nanomedicine, cosmetics or nutraceutics sectors. In this study, we considered the guidelines of MISEV 2018 and the well-established knowledge in the EV research field (EV-TRACK) (Théry et al., 2018 Van Deun et al., 2017 ) to define a new generation of microalgal EV-based nanoproducts, using different methodologies and specific approaches for EV bio-refinement, separation and characterisation. Our check-list (developed from MISEV guidelines and applied in the framework of the VES4US project) includes the identification of methods for the microalgal-derived EV separation, enrichment and characterization (including EV quantification, EV identity in terms of protein composition, size, morphology, topology, EV stability, EV quality in terms of purity and density and EV bioactivity), as well as protocols for microalgae cultivation and quantification (Table 1). This list is also reported as supporting information with more details (mendukung Table 1), with the purpose to highlight and list the different items we addressed within MISEV 2018. Since the microalgal EVs have to our best knowledge never been described in detail, in accordance with the MISEV 2018 recommendation, we decided to use its suggested nomenclature. Indeed, we refer to the small extracellular particles separated either by differential ultracentrifugation or tangential flow fractionated. The term “nanoalgosome" is here then introduced to describe such microalgal small EVs (sEVs) isolated from the marine photosynthetic microalgal chlorophyte Tetraselmis chuii, which is surrounded by a membrane, contains EV biomarkers and has a typical EV size distribution and density (Théry et al., 2006, 2018 ). Tetraselmis chuii is a chlorophyceaen photosynthetic marine microalgae possessing an array of bioactive pigments and essential fatty acids (Pereira et al., 2019 ), which contribute to making it a promising source of EVs. The production of nanoalgosomes is an evolutionarily conserved trait within the microalgae strain as demonstrated by similar results obtained using the sEVs isolated from batch cultures of other microalgae species, including another chlorophyte strain, the Dunaliella tertiolecta, and the dinoflagellate strain Amphidinium sp. A drawback limiting progress in current EV research has been the typically low EV yields obtained for subsequent clinical trials, making the roll out of EV-based treatments for humans still some distance away (György et al., 2015 Paganini et al., 2019 ). In this context, we envision that microalgae such as Tetraselmis chuii can offer a remarkable opportunity to overcome this limitation thanks to their scalable EV production and increased EV yield.

  • (a) Microalgal strain, cultivation protocol, and biomass weight
  • (b) Pigment and lipid profiling
  • (a) Differential Ultra Centrifugation (dUC)
  • (b) Tangential Flow Filtration (TFF)
  • (c) gradient Ultra Centrifugation (gUC)
  • (a) Nanoparticle number (by Nanoparticle Tracking Analysis, NTA)
  • (b) Amount of protein (by BCA colorimetric assay)
  • (a) Multi angle dynamic light scattering (Multi angle DLS)
  • (b) Nanoparticle tracking analysis (NTA)
  • (c) Fluorescence nanoparticle tracking analysis (F-NTA)
  • (d) Fluorescence correlation spectroscopy (FCS)
  • (a) Scanning electron microscopy (SEM)
  • (b) Atomic force microscopy (AFM)
  • (c) Cryogenic transmission electron microscopy (cryo-TEM)
  • (d) Static light scattering (SLS)
  • (e) Fluorescence nanoparticle tracking analysis (F-NTA)
  • (a) Immunoblot analysis of EV protein markers
  • (b) Density determination by gUC
  • (a) Fluorescamine assay
  • (a) Zeta potential measurement
  • (b) Stability test/quality control in biological fluids
  • (c) Resistance to detergents
  • (a) In vitro cytotoxicity
  • (b) Cellular uptake
  • (a) Negative control on EV identity and preparation on culture media – throughout the manuscript
  • (b) EV quantification by labelling with fluorescent lipid specific dye, to assess the presence of non-EV particles – see also 5.e
  • (c) Density measurement and separation by density gradient, to assess the ratio between EVs and aggregates – see also 6b
  • (d) Application of a tailor-made Quality Management System (QMS)

Abstrak

This study evaluates the feasibility of advanced biofilm microalgae cultivation in a twin layer (TL) system for nutrient removal (N and P) as the tertiary treatment in small wastewater treatment plants (WWTPs) located in sensitive areas. Furthermore, the potential valorisation of microalgae biomass as a component of bio-based fertilizers is assessed. Scenedesmus sp. was chosen among 33 microalgae strains for inoculation of TL due to its high growth rate and its nutrient uptake capacity. The tests carried out in the prototype were markedly efficient for total soluble and ammoniacal nitrogen removal (up to 66 and 94%, respectively). In terms of potential valorisation of microalgae, the nutrient content was 5.5% N (over 40% protein), 8.8% P2HAI5 and 1.5% K2O, high enzymatic activity, very low levels of heavy metals and no detectable pathogen presence. However, in the formulation of solid-state bio-based fertilizers, the microalgae proportions in blends of over 2% of microalgae led to negative effects on ryegrass (Lolium perenne L. ssp.) and barley (Hordeum vulgar ssp.). The obtained results demonstrate that TL represents a promising technology, which allows efficient tertiary treatment of urban wastewater and the production of high-quality bio-based fertilizer.


Convenience methods

Good sampling is time-consuming and expensive. Not all experimenters have the time or funds to use more accurate methods. There is a price, of course, in the potential limited validity of results.

metode Best when
Snowball sampling (ask for recommendations) You are ethically and socially able to ask and seek similar subjects.
Convenience sampling (use who's available) You cannot proactively seek out subjects.
Judgment sampling (guess a good-enough sample) You are expert and there is no other choice.


Tonton videonya: Squid Game - Türkçe Dublaj - Sedat Peker ile Squid Game (November 2022).