MétaCan
Menu
Retour à la cohorte
Enregistrement W2124991509 · doi:10.1186/2191-0855-3-15

High gravity and high cell density mitigate some of the fermentation inhibitory effects of softwood hydrolysates

2013· article· en· W2124991509 sur OpenAlexafffund
Nuwan Sella Kapu, Maya P Piddocke, Jack Saddler

Notice bibliographique

RevueAMB Express · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSoftwoodHydrolysateFermentationInhibitory postsynaptic potentialSpecific gravityChemistryPulp and paper industryFood scienceBotanyBiologyBiochemistryEngineeringMineralogyHydrolysisNeuroscience

Résumé

récupéré en direct d'OpenAlex

After steam pretreatment of lignocellulosic substrates the fermentation of the biomass derived sugars to ethanol is typically problematic because of both the generally low sugar concentrations that can be supplied and the presence of naturally occurring and process derived inhibitors. As the majority of the inhibitory materials are usually associated with the hemicellulose rich, water soluble component, this fraction was supplemented with glucose to simulate high solids, un-detoxified substrate to see if a high gravity/high cell consistency approach might better cope with inhibition. Several yeast strains were assessed, with the Tembec T1, T2 and Lallemand LYCC 6469 strains showing the greatest ethanol productivity and yield. The addition of supplemental glucose enabled the faster and quantitatively higher removal of hydroxymethylfurfural (HMF). High cell density could provide effective fermentation at high sugar concentrations while enhancing inhibitor reduction. A 77% ethanol yield could be achieved using strain LYCC 6469 after 48 h at high cell density. It was apparent that a high cell density approach improved ethanol production by all of the evaluated yeast strains.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,002
Tête enseignante GPT0,151
Écart entre enseignants0,148 · 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 source (Gemma direct ou Codex distillé), 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

Citations15
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAMB ExpressMême sujetBiofuel production and bioconversionTravaux en français237 207