MétaCan
Menu
Retour à la cohorte
Enregistrement W2060593160 · doi:10.6000/1927-3037.2014.03.04.2

Facile and Novel Strategy for Methods of Extraction of Biofuel Grade Lipids from Microalgae- an Experimental Report

2014· article· en· W2060593160 sur OpenAlexvenueno aff
Nooruddin Thajuddin, E. Baldev, Davoodbasha MubarakAli, Masilamani Dhivya, M. Kanimozhi, Thajuddin Shakena-Fathima, Naiyf S. Alharbi, Sulaiman Ali Alharbi

Notice bibliographique

RevueInternational Journal of Biotechnology for Wellness Industries · 2014
Typearticle
Langueen
DomaineEnergy
ThématiqueAlgal biology and biofuel production
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiofuelExtraction (chemistry)Biochemical engineeringChemistryBiotechnologyBiologyChromatographyEngineering

Résumé

récupéré en direct d'OpenAlex

The structural features of microalgal cell make it too difficult to extract the total lipid content of the cell as such. Thus, the cell disruption before lipid extraction becomes mandatory and has to be cost-effective. In the present study various methods and combination of few methods were adopted for effective extraction in order to choose the most effective cell disruption method for the complete extraction of lipids from a selected indigenous freshwater isolate, Scenedesmus sp. NTEB03. Interestingly, we found that grinding and bead-beating method showed two fold increased lipid productivity (23.2%) than the other methods tested. Biomass and lipid productivity of Scenedesmus sp., was found to be 0.0418 g L -1 d -1 and 4.3 mg L -1 d -1 respectively. Fatty acid profiles revealed that oleic (C18:1) and linoleic acid (C18:2) content being higher in the lipids, which are most appropriate for the biodiesel production. A novel strategy for most effective, simple method for cell disruption in Scenedesmus sp., was grinding/bead-beating, which is the most suitable method for complete extraction of biofuel grade lipids.

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)0,001
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: Empirique
Score de désaccord entre enseignants0,214
Score d'incertitude au seuil0,546

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0010,000
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 Opus0,051
Tête enseignante GPT0,362
Écart entre enseignants0,311 · 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

Citations18
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Biotechnology for Wellness IndustriesMême sujetAlgal biology and biofuel productionTravaux en français237 207