Bioenergy II: Characterization of the Pesticide Properties of Tobacco Bio-Oil
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
Pyrolysis converts biomass such as agricultural and forestry waste into bio-oil, preserving some chemicals while creating other, new ones. Nicotine, a chemical present in tobacco leaves and a known pesticide, was found to remain intact during pyrolysis. As expected, insecticidal properties were observed for tobacco bio-oil. Pesticide characteristics of tobacco bio-oil have been observed on the Colorado potato beetle (CPB), a pest currently resistant to all major insecticides, as well as a few bacteria and fungi that do not currently respond well to chemical treatment. Unexpectedly, nicotine-free fractions of the bio-oil were also found to be highly lethal to the beetles and successful at inhibiting the growth of select microorganisms. Through GC-MS, it was found that the active, nicotine-free fractions were rich in phenolics, chemicals likely created from lignin during pyrolysis. While bio-oils in general are known to contain phenolic chemicals, such as cresols, to our best knowledge, quantitative analysis has not been performed to determine if these chemicals are solely responsible for the observed pesticide activities. Based on GC-MS results, ten of the most abundant chemicals, eight of which were phenolic chemicals, were identified and examined through bio-assays. A mixture of these chemicals at the concentration levels found in the bio-oil did not account for the bio-oil activity towards the microorganisms. Tobacco bio-oil may have potential as a pesticide, however, further analyses using liquid chromatography is necessary to identify the remaining active chemicals.
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 | 0,000 | 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 | 0,000 |
| 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 découle