Microalgal phycocyanin productivity: strategies for phyco‐valorization
Notice bibliographique
Résumé
Abstract Phyco‐valorization is the exploitation of microalgae and microalgal chemicals as valuable products. This paper discusses the optimization of microalgal bioreactor‐based systems for C‐phycocyanin pigment production. Various aspects contributing to system development and enhancement of phycocyanin productivity are described. A wide range of potential microalgal species have been identified for phycocyanin production; the selection of a species for mass culturing can be determined by desired bioreactor trophic mode and symbiotic relations. Research has demonstrated that species amenability to local lighting and climatic conditions, and to variations in bioreactor substrate concentrations and operational parameters, have significant impact on phycocyanin production. The simultaneous optimization of all factors contributing to system productivity may be accomplished efficiently through process modelling. A summary of established models for microalgal phycocyanin production is presented. A suggested strategy for increasing economic viability of phycocyanin production systems is their application in integrated resource recovery. Through the incorporation of phycocyanin productivity optimization principles within a phycoremediation process, the valorization of waste resources may be achieved. The simultaneous economic potential and environmentally‐forward concept of phyco‐valorization through phycocyanin production is a promising application of microalgal biotechnology awaiting further development for industrial implementation. © 2015 Society of Chemical Industry
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».