Improved Acetone-Butanol-Ethanol (ABE) Solution Analysis Using HPLC: Chromatograph Spectrum Deconvolution Using Asymmetric Gaussian Fit
Notice bibliographique
Résumé
Currently, the analysis of acetone-butanol-ethanol (ABE) broths is performed using both High Performance Liquid Chromatography (HPLC) and Gas Chromatography (GC) for each sample since GC cannot be used in quantifying sugars and HPLC methods are not yet efficient enough to detect all components separately. In this study, a novel method was developed to quantify all main components present in ABE model solutions (acetone, butanol, ethanol, butyric acid, acetic acid, glucose and xylose) using only HPLC. Although the HPLC operating conditions were optimized to obtain the best possible resolution in HPLC chromatograms, it was observed that the peaks for butyric acid, acetone and ethanol overlapped. The same trend was observed for glucose and xylose. Using the asymmetric Gaussian fit, a program was written in MATLAB to detect the overlapped peaks, deconvolute them and calculate the area of each separated peak. The concentrations of each component were then calculated using the areas and the calibration curves for each component. Experimental results show that this method works well for the ABE model solutions and can be used to quantify all components in the solution when there are some overlapped peaks in the HPLC chromatograms.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,005 |
| 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».