MétaCan
Menu
Retour à la cohorte
Enregistrement W1588623665 · doi:10.2166/wst.2000.0520

Immobilization strategies for bioaugmentation of anaerobic reactors treating phenolic compounds

2000· article· en· W1588623665 sur OpenAlexaff
K. Tawfiki-Hájji, François Lépine

Notice bibliographique

RevueWater Science & Technology · 2000
Typearticle
Langueen
DomaineEngineering
ThématiqueAnaerobic Digestion and Biogas Production
Établissements canadiensInstitut National de la Recherche ScientifiqueNational Research Council CanadaBiotechnology Research InstituteUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésBioaugmentationPhenolChemistryAnaerobic exerciseBiodegradationHydraulic retention timePulp and paper industryBioreactorDegradation (telecommunications)Anaerobic digestionChromatographyBacteriaWaste managementMethaneWastewaterOrganic chemistryMicroorganismBiology

Résumé

récupéré en direct d'OpenAlex

Degradation of phenol, ortho- and para-cresol was investigated in upflow anaerobic sludge bed (UASB) reactors bioaugmented with a methanogenic enrichment consortium able to degrade a mixture of phenolic compounds, in comparison to a reactor, which was inoculated only with anaerobic granules: 1) natural attachment of free cells to the granules, and 2) encapsulation within alginate beads. The increase of the percentage of enrichment from 2 to 5% improved considerably the startup of the reactors. Going from 5 to 10% had no effect on the removal of the phenolic compounds. Following a period of continuous operation at a hydraulic retention time of 3 days, the bioaugmented reactors showed specific activities on phenol, ortho- and para-cresol, at least twofold higher than those of the control reactor. This increase was attributed to the immobilization of phenol, ortho- and para-cresol-degrading bacteria on the granules.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,010
Tête enseignante GPT0,232
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetAnaerobic Digestion and Biogas ProductionTravaux en français237 207