MétaCan
Menu
Retour à la cohorte
Enregistrement W1978627831 · doi:10.1002/bit.20783

A rapid microassay to evaluate enzymatic hydrolysis of lignocellulosic substrates

2005· article· en· W1978627831 sur OpenAlexaff
Alex Berlin, Vera Maximenko, Renata Bura, Kyu‐Young Kang, Neil R. Gilkes, Jack Saddler

Notice bibliographique

RevueBiotechnology and Bioengineering · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésOrganosolvBioconversionEnzymatic hydrolysisHemicelluloseChemistryCelluloseLignocellulosic biomassHydrolysisChromatographyLaboratory flaskErlenmeyer flaskPulp and paper industryFermentationBiochemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Current attempts to produce ethanol from lignocellulosic biomass are focused on the optimization of pretreatment to reduce substrate recalcitrance and the improvement of enzymes for hydrolysis of the cellulose and hemicellulose components to produce fermentable sugars. Research aimed at optimizing both aspects of the bioconversion process involves assessment of the effects of multiple variables on enzyme efficiency, resulting in large factorial experiments with intensive assay requirements. A rapid assay for lignocellulose hydrolysis has been developed to address this need. Pretreated lignocellulose is formed into handsheets, which are then used to prepare small disks that are easily dispensed into microtiter plates. The hydrolysis of cellulose to glucose is estimated using an enzyme-coupled spectrophotometric assay. Using disks prepared from ethanol organosolv pretreated yellow poplar, it is shown that the assay generates data comparable with those produced by hydrolysis of pretreated yellow poplar pulp in Erlenmeyer flasks, followed by HPLC analysis of glucose. The assay shows considerable time and cost benefits over the standard assay protocol and is applicable to a broad range of lignocellulosic substrates.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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 Opus0,009
Tête enseignante GPT0,196
Écart entre enseignants0,187 · 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

Citations69
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiotechnology and BioengineeringMême sujetBiofuel production and bioconversionTravaux en français237 207