MétaCan
Menu
Retour à la cohorte
Enregistrement W1968721842 · doi:10.1021/jf903616y

Lignin Extraction from Straw by Ionic Liquids and Enzymatic Hydrolysis of the Cellulosic Residues

2010· article· en· W1968721842 sur OpenAlexaff
Dongbao Fu, Giuseppe Mazza, Yukihiro Tamaki

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésLigninIonic liquidCelluloseChemistryStrawExtraction (chemistry)Cellulosic ethanolBiorefineryEnzymatic hydrolysisHemicelluloseCellulaseBioproductsHydrolysisLignocellulosic biomassOrganic chemistryChromatographyBiofuelRaw materialBiotechnologyCatalysisInorganic chemistry

Résumé

récupéré en direct d'OpenAlex

Lignocellulose is a promising starting material for bioproducts, ranging from biofuels to specialty chemicals; however, lignocellulose is resistant to enzymatic degradation. Overcoming this resistance is therefore an important priority for the development of the lignocellulosic biorefinery concept. In this work, 1-ethyl-3-methylimidazolium acetate ([emim]Ac) was selected from six ionic liquid candidates for the extraction of lignin from triticale and wheat straw and flax shives. Lignin extractability, composition, and cellulose enzymatic digestibility of the residues after extraction by [emim]Ac were determined at various temperatures (70-150 degrees C) and time intervals (0.5-24 h). The optimal result (52.7% of acid insoluble lignin in triticale straw) was obtained at 150 degrees C after 90 min, yielding >95% cellulose digestibility of the residue. Little cellulose was extracted, and the extracted lignin was recovered by acid precipitation. Selective extraction of lignin by ionic liquids is a potentially efficient technique for the comprehensive utilization of lignocellulose.

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 enseignants0,001
Score d'incertitude au seuil0,002

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,003
Tête enseignante GPT0,162
Écart entre enseignants0,159 · 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

Citations314
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetBiofuel production and bioconversionTravaux en français237 207