Isolation of Cellulose Nanofibers: Effect of Biotreatment on Hydrogen Bonding Network in Wood Fibers
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The use of cellulose nanofibres as high-strength reinforcement in nano-biocomposites is very enthusiastically being explored due to their biodegradability, renewability, and high specific strength properties. Cellulose, through a regular network of inter- and intramolecular hydrogen bonds, is organized into perfect stereoregular configuration called microfibrils which further aggregate to different levels to form the fibre. Intermolecular hydrogen bonding at various levels, especially at the elementary level, is the major binding force that one need to overcome to reverse engineer these fibres into their microfibrillar level. This paper briefly describes a novel enzymatic fibre pretreatment developed to facilitate the isolation of cellulose microfibrils and explores effectiveness of biotreatment on the intermolecular and intramolecular hydrogen bonding in the fiber. Bleached Kraft Softwood Pulp was treated with a fungus (OS1) isolated from elm tree infected with Dutch elm disease. Cellulose microfibrils were isolated from these treated fibers by high-shear refining. The % yield of nanofibres and their diameter distribution (<50 nm) isolated from the bio-treated fibers indicated a substantial increase compared to those isolated from untreated fibers. FT-IR spectral analysis indicated a reduction in the density of intermolecular and intramolecular hydrogen bonding within the fiber. X-ray spectrometry indicated a reduction in the crystallinity. Hydrogen bond-specific enzyme and its application in the isolation of new generation cellulose nano-fibers can be a huge leap forward in the field of nano-biocomposites.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découle