Bioethanol Production From Pineapple Wastes
Notice bibliographique
Résumé
<p>There is great interest in producing bioethanol from biomass and there is much emphasis on exploiting lignocellulose sources, from crop wastes through to energy-rich crops. Some waste streams, however, contain both cellulosic and non-cellulosic sugars. These include wastes from pineapple processing.</p> <p>Pineapple wastes are produced in large amounts throughout the world by canning industries. These wastes are rich in intracellular sugars and plant cell walls which are composed mainly of cellulose, pectic substances and hemicelluloses. The purpose of this study was to investigate the potential to transform such residues into ethanol after enzymatic saccharification of plant cell walls, and fermentation of the resulting simple sugars using the <em>Saccharomyces cerevisiae</em> NCYC 2826 strain. Three different fermentation modes, direct fermentation, separate hydrolysis and fermentation, and simultaneous saccharification and fermentation of the biomass were tested and compared. The results show that the main sugars obtained from pineapple waste were: glucose, uronic acid, xylose, galactose, arabinose and mannose. The highest ethanol yield was achieved after 30 hours of simultaneous saccharification and fermentation, and reached up to 3.9% (v/v), corresponding to the 96% of the theoretical yield.</p>
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) | 0,000 | 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 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 ».