Influence of steam pretreatment severity on post‐treatments used to enhance the enzymatic hydrolysis of pretreated softwoods at low enzyme loadings
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
It is recognized that some form of post-treatment will usually be required if reasonable hydrolysis yields (>60%) of steam pretreated softwood are to be achieved when using low enzyme loadings (5 FPU/g cellulose). In the work reported here we modified/removed lignin from steam pretreated softwood while investigating the influence that the severity of pretreatment might have on the effectiveness of subsequent post-treatments. Although treatment at a lower severity could provide better overall hemicellulose recovery, post-treatment was not as effective on the cellulosic component. Pretreatment at medium severity resulted in the best compromise, providing reasonable recovery of the water soluble hemicellulose sugars and the use of post-treatment conditions that significantly increased the enzymatic hydrolysis of the water insoluble cellulosic component. Post-treatment with alkaline hydrogen peroxide or neutral sulfonation resulted in 62% cellulose hydrolysis at an enzyme loading of 5 FPU/g cellulose, which was four times greater than was obtained when the cellulosic fraction was not post-treated. When the enzyme loading was increased to 15 FPU/g cellulose, the post-treated cellulosic fraction was almost completely hydrolyzed to glucose. Despite the higher lignin content (44%) of the sulfonated substrate, similar hydrolysis yields to those achieved after alkaline peroxide post-treatment (14% lignin content) indicated that, in addition to lignin removal, lignin modification also plays an important role in influencing the effectiveness of hydrolysis when low enzyme loadings are used.
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 | 0,000 | 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 | 0,000 |
| 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 découle