Biosorption of Cr(III), Fe(II), Cu(II), Zn(II) Ions from Liquid Laboratory Chemical Waste by Pleurotus ostreatus
Notice bibliographique
Résumé
Heavy metals present in the liquid laboratory chemical waste should be removed due to their hazards to human health and environment. Among them, Cr(III), Cu(II), Fe(II), Zn(II) are usually exist. The conventional treatments in the heavy metals removal have several limitations which encourage researchers to search for alternative treatment methods. One of possible method in the removal of heavy metal ion is through biosorption. Therefore, the present study aims to evaluate the effectiveness of white root fungus (mushroom) viz., P.ostreatus to absorb Cr(III), Cu(II), Fe(II), Zn(II) from liquid laboratory chemical waste. It was found that the best operating treatment process was at pH above 4.0. The highest biosorption efficiency for Fe(II) and Cu(II) was shown at pH 6 with 80.52% and 45.20% while Zn(II) at pH 4 (5.04%) and Cr(III) at pH 5 with 21.14% at agitation speed of 150 rpm and temperature of 25°C. Throughout the research, the percentage of removal was found to be increased with the increasing of contact time between P.ostreatus and liquid laboratory chemical waste. Almost 17.02% of Cr( III ), 55.35% of Fe(II), 15.34% of Cu(II) and 13.34% of Zn(II) were removed from chemical waste. This validates that P.ostreatus is potential as biosorbent for liquid laboratory chemical waste treatment.
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 | 0,000 | 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».