Bioaugmented Hydrogen Production from Lignocellulosic Substrates Using Co-Cultures of Shigella flexneri str. G3 and Clostridium acetobutylicum X9
Notice bibliographique
Résumé
Bioaugmented fermentation of cellulosic substrates to produce biohydrogen via co-culture of isolated strains was investigated. Two mesophilic anaerobic bacterial strains, known for their ability to hydrolyze cellulosic substrates, were taken in consideration: Shigella flexneri str. G3, which shows high cellulolytic activity but cannot ferment oligosaccharides to bioenergy, and Clostridium acetobutylicum X9, able to convert microcrystalline cellulose into hydrogen. The ability of the selected strains to effectively convert different cellulosic substrates to hydrogen was tested on carboxymethyl cellulose (AVICEL), as well as pretreated lignocellulosic material such as Bermuda grass, corn stover, rice straw, and corn cob. Results showed that co-culture of Shigella flexneri str G3 and Clostridium acetobutylicum X9 efficiently improved cellulose hydrolysis and subsequent hydrogen production from carboxymethyl cellulose. Hydrogen production yield was enhanced from 0.65 mol H2 (mol glucose)−1 of the X9 single culture to approximately 1.5 mol H2 (mol glucose)−1 of the co-culture, while the cellulose degradation efficiency increased from 50% to 95%. Co-culture also efficiently improved hydrogen production from natural lignocellulosic materials (which was up to 4-5 times higher than mono-culture with X9), with the highest performance of 24.8 mmol L-1 obtained on Bermuda grass. The results demonstrate that co-culture of S. flexneri G3 and C. acetobutylicum X9 was capable of efficiently enhance cellulose conversion to hydrogen, thus fostering potential biofuel applications under mesophilic conditions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».