Improvements in the production of bacterial synthesized biocellulose nanofibres using different culture methods
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
Abstract This review summarizes previous work that was done to improve the production of bacterial cellulose nanofibres. Production of biocellulose nanofibres is a subject of interest owing to the wide range of unique properties that makes this product an attractive material for many applications. Bacterial cellulose is a natural nanomaterial that has a native dimension of less than 50 nm in diameter. It is produced in the form of nanofibres, yielding a very pure cellulose product with unique physical properties that distinguish it from plant‐derived cellulose. Its high surface‐to‐volume ratio combined with its unique properties such as poly‐functionality, hydrophilicity and biocompatibility makes it a potential material for applications in the biomedical field. The purpose of this review is to summarize the methods that might help in delivering microbial cellulose to the market at a competitive cost. Different feedstocks in addition to different bioreactor systems that have been previously used are reviewed. The main challenge that exists is the low yield of the cellulosic nanofibres, which can be produced in static and agitated cultures. The static culture method has been used for many years. However, the production cost of this nanomaterial in bioreactor systems is less expensive than the static culture method. Biosynthesis in bioreactors will also be less labour intensive when scaled up. This would improve developing intermediate fermentation scale‐up so that the conversion to an efficient large‐scale fermentation technology will be an easy task. Copyright © 2009 Society of Chemical Industry
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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