A discrimination among microbial iron oxidation mechanisms

Authors


Abstract

The oxidation mechanism of ferrous ion (Fe11) by whole cells of Thiobacillus ferrooxidans was studied. Product inhibition by ferric ion (Fe111) was observed experimentally at the pH = 2.0 and initial inhibitory iron concentration of 2.58 mM ≤ Fe111 ≤ 15.0 mM. Experimental results indicated that the hyperbolic expressions (i.e. Monod type mechanisms) were valid to describe the microbial oxidation. A Bayesian statistical method for discrimination was utilized to identify the inhibition mechanism. In order to use the data efficiently the integrals of the inhibition models were taken (concentration versus time). Such analysis indicated that a non-competitive mechanism with two inhibition parameters was superior to others describing the microbial oxidation. Not only was this the best model, it was also a good one in the sense that the errors of predictions made from it were consistent with experimental error. Estimates for the parameters of the non-competitive inhibition model were obtained.

Abstract

On a étudié le méchanisme de l'oxydation de l'ion ferreux (Fe11) par des cellules entières du bacille Thiobacillus ferrooxidans. On a observé expérimentalement l'inhibition du produit par l'ion ferrique (Fe111) au pH de 2.0 et à une concentration initiale du fer inhibiteur de 2.58 mM ≤ Fe111 ≤ 15.0 mM. Les résultats expérimentaux ont indiqué que les expressions hyperboliques (méchnismes du type Monod) étaient valables pour décrire l'oxydation microbienne. On a utilisé une méthode statistique et bayésienne, servant à différencier les modèles, pour identifier le mécanisme d'inhibition. Pour pouvoir utiliser les résultats avec efficacité, on a déterminé les intégrales des modèles d'inhibition (concentration versus tempts). L'analyse en question a révélé qu'un modèle non compétitif impliquant deux paramètres d'inhibition était supérieur aux autres pour décrire l'oxydation microbienne; il est non seulement le meilleur, mais il est aussi satisfaisant, parce que les erreurs des prévisions faites avec lui concordaient bien avec les erreurs expérimentales. On a obtenu des estimations pour les paramètres du modèle d'inhibition non compétitif.

Ancillary