MétaCan
Menu
Retour à la cohorte
Enregistrement W2008136746 · doi:10.1016/j.egypro.2014.12.289

Process Design for Very-high-gravity Ethanol Fermentation

2014· article· en· W2008136746 sur OpenAlexaff
Yen‐Han Lin, Chen‐Guang Liu

Notice bibliographique

RevueEnergy Procedia · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésFermentationChemostatYeastIndustrial fermentationSaccharomyces cerevisiaeEthanol fuelEthanol fermentationChemistryBiochemistryHigh GravityEthanolBiologyBacteria

Résumé

récupéré en direct d'OpenAlex

Metabolic flux distribution may be altered by manipulating intracellular reducing equivalents. To favour ethanol synthesis by Saccharomyces cerevisiae , a reduced cytosolic environment is desired, otherwise biomass formation is favoured. Direct variation of intracellular NADH/NAD + is difficult, however, indirect control through measurement of fermentation redox potential is applicable. To utilize fermentation redox potential into designing an ethanol fermentation process under very-high-gravity (VHG) conditions, correlations between yeast growth pattern and fermentation redox potential profile were established. Under VHG conditions, S. cerevisiae initially encounters osmotic stress resulting in a lengthy lag phase. As fermentation proceeds, the built-up of ethanol inhibits yeast propagation, resulting in sudden cell death and incomplete sugar conversion. Additionally, an operational scheduling for a continuous VHG ethanol fermentation, consisting of a chemostat device and an ageing vessel, was proposed and compared to the equivalent batch operation. Results show that the proposed operational scheduling is superior to the batch counterpart. Process design criteria for a chemostat device connecting to several equal-size ageing vessels were developed in an attempt to increase annual ethanol productivity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,744
Score d'incertitude au seuil0,432

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
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)0,0000,000

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 Opus0,012
Tête enseignante GPT0,218
Écart entre enseignants0,206 · 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 tête enseignante, 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

Citations11
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy ProcediaMême sujetBiofuel production and bioconversionTravaux en français237 207