Current developments in solid-state fermentation

Thomas, Lyn C.; Larroche, Christian; Pandey, Ashok

doi:10.1016/j.bej.2013.10.013

Cited by 491 publications

(272 citation statements)

References 119 publications

Supporting

Mentioning

239

Contrasting

Unclassified

Order By: Relevance

“…Solid state fermentation is defined as fermentation involving solids in the absence of free water. Solid state fermentation benefits include lower energy requirements, less waste water, and environmentally friendly [19,20].…”

Section: Introductionmentioning

confidence: 99%

Kinetic of Biomass Growth and Protein Formation on Rice Bran Fermentation Using Rhizopus oryzae

2018

View full text Add to dashboard Cite

Abstract. Rice bran is the outermost part of the rice grain wrapped in rice husks. Rice bran contains macro and micro nutrients that are bound to fibers that affect psychochemical properties when used in food products. The purpose of this study was to increase the nutritional value of rice bran with solid state fermentation using Rhizopus oryzae FNCC 6011 in tray bioreactor at 30 o C for 120 h. The results showed an increase in protein, fat and ash content by 58.5%, 124.5%, and 18.6%, respectively, while carbohydrate and fiber content decreased respectively by 25.6% and 51.2%. The deceleration model successfully depicts the profile of biomass growth and improved protein. The kinetic parameters obtained k, A, and YPX were 0.0536/h, 5.2537, and 0.1821 g/g, respectively.

show abstract

Section: Introductionmentioning

confidence: 99%

Kinetic of Biomass Growth and Protein Formation on Rice Bran Fermentation Using Rhizopus oryzae

2018

View full text Add to dashboard Cite

show abstract

“…Comparando los resultados del RMSE mediante las RNA y el modelo logístico para la concentración de proteína, se pueden observar que estos valores son muy similares de la misma manera si se compara el RMSE para la concentración de ergosterol lo cual indica que los dos métodos podrían predecir el comportamiento del crecimiento para el Pleurotus pulmonarius en FES empleando tusa de maíz como sustrato. Tal como se mencionó en la introducción, uno de los grandes inconvenientes y retos que enfrenta la FES es la medición y modelación del crecimiento; las RNA aparecen como herramientas para modelar el crecimiento en FES, sobre todo por lo complicado que es el fenómeno o cuando poco se sabe del mismo, tal como sucedió al inicio de este trabajo (Thomas et al, 2013;Zhang et al, 2012Lenz et al, 2004. Ejemplo de implementación de RNA en fermentaciones es el trabajo realizado por Desai y colaboradores (2008) arrojando valores de RMSE de 0,11 y 0,73.…”

Section: Resultados Con Las Rnaunclassified

“…Se han establecido varios métodos para la medición de la biomasa por FES, como son la determinación de la producción de glucosamina, el contenido de ergosterol, la concentración proteína, cambios en el peso seco o evolución de la producción de CO2. Sin embargo, todos presentan inconvenientes a la hora de obtener datos precisos sobre el desarrollo del proceso de FES y la obtención de modelos matemáticos principalmente por la dispersión en el crecimiento de la célula sobre el sustrato solido (Thomas et al, 2013;Viccini et al, 2001;Padey et al, 2008). Se han llevado a cabo trabajos con el Pleurotus pulmonarius en FES, en diferentes sustratos agroindustriales, pero en tusa de maíz no se han encontrado reportes de medición de la biomasa en FES, ni su correspondiente modelación del crecimiento.…”

Section: Introductionunclassified

Análisis de la Medición de la Biomasa en Fermentación en Estado Sólido empleando el Modelo Logístico y Redes Neuronales

Oviedo

Casas

Valencia³

et al. 2014

Inf. tecnol.

View full text Add to dashboard Cite

ResumenEn este trabajo, se llevó a cabo el análisis del crecimiento del Pleurotus pulmonarius en tusa de maíz, empleando redes neuronales artificiales y el modelo logístico. La biomasa se cuantificó a través de las concentraciones de proteína (método Kjeldahl) y ergosterol (cromatografía líquida de alta resolución). Los datos obtenidos fueron analizados con los programas R y Matlab. El mejor r 2 ajustado del modelo logístico fue de 0,9937 en la concentración de proteína para el análisis ensayo por ensayo. Las redes neuronales artificiales, obtuvieron sumatorias medias de los errores cuadráticos de 0,017 y 11,394 para las concentraciones de proteína y ergosterol respectivamente. Los resultados muestran que el modelo logístico y las redes neuronales artificiales son herramientas útiles para modelar en fermentación sólida. Los mejores ajustes fueron para la concentración de proteína. Palabras clave: fes, rna, biomasa, modelo logístico, Pleurotus pulmonarius Analysis of Biomass Measurement in Solid-State Fermentation using Neural Networks and a Logistic Model AbstractIn this work, the analysis of the growth of Pleurotus pulmonarius in corn cob, using artificial neural networks and a logistic model was carried out. Biomass is quantified through the concentrations of protein (Kjeldahl method) and ergosterol (High performance liquid chromatography). The data obtained were analyzed with the Matlab and R programs. The best adjusted r 2 of the logistic model was 0.9937 in the concentration for test by test protein analysis. For the artificial neural network model the root mean square error was 0.017 for the concentrations of protein and 11.394 for ergosterol. The results show that the logistic model and the artificial neural network model are useful tools for modeling solid fermentation. The best results were found for the concentration of protein.

show abstract

“…In recent decades, there has been a growing interest in SSF technology to obtain a wide variety of products, such as enzymes, pigments, aromatic compounds, flavoring, hormones, acids, alcohols, proteins, antibiotics, spores, among others. 2,3 There are research results on new applications of SSF for the control of the environment, treatment and biodegradation of hazardous or undesirable compounds, and detoxification of agro-industrial waste. 4,5 An interesting industrial application of SSF, known as "Phase 2", is the preparation of a selective substrate employed in A. bisporus mushroom cultivation.…”

Section: Introductionmentioning

confidence: 99%

A Comparative Study of Temperature Optimal Control in a Solid State Fermentation Process for Edible Mushroom Growing

Gurubel

Sánchez

Coronado-Mendoza

et al. 2017

Chem.Biochem.Eng.Q.

View full text Add to dashboard Cite

In this paper, optimal control strategies for temperature trajectory determination in order to maximize thermophilic bacteria in a fed-batch solid-state fermentation reactor are proposed. This process is modeled by nonlinear differential equations, which has been previously validated experimentally with scale reactor temperature profiles. The dynamic input aeration rate of the reactor is determined to increase microorganisms growth of a selective substrate for edible mushroom cultivation. In industrial practice, the process is comprised of three thermal stages with constant input air flow and three types of microorganisms in a 150-hour lapse. Scytalidium thermophilum and actinobacteria are desired in order to obtain a final biomass composition with acceptable microorganisms concentration. The Steepest Descent gradient algorithm in continuous time and the Gradient Projection algorithm in discrete-time are used for the process optimal control. A comparison of simulation results in the presence of disturbances is presented, where the resulting temperature trajectories exhibit similar tendencies as industrial data.

show abstract

Current developments in solid-state fermentation

Cited by 491 publications

References 119 publications

Kinetic of Biomass Growth and Protein Formation on Rice Bran Fermentation Using Rhizopus oryzae

Kinetic of Biomass Growth and Protein Formation on Rice Bran Fermentation Using Rhizopus oryzae

Análisis de la Medición de la Biomasa en Fermentación en Estado Sólido empleando el Modelo Logístico y Redes Neuronales

A Comparative Study of Temperature Optimal Control in a Solid State Fermentation Process for Edible Mushroom Growing

Contact Info

Product

Resources

About