Screening microalgae isolated from urban storm- and wastewater systems as feedstock for biofuel
Notice bibliographique
Résumé
Exploiting microalgae as feedstock for biofuel production is a growing field of research and application, but there remain challenges related to industrial viability and economic sustainability. A solution to the water requirements of industrial-scale production is the use of wastewater as a growth medium. Considering the variable quality and contaminant loads of wastewater, algal feedstock would need to have broad tolerance and resilience to fluctuating wastewater conditions during growth. As a first step in targeting strains for growth in wastewater, our study isolated microalgae from wastewater habitats, including urban stormwater-ponds and a municipal wastewater-treatment system, to assess growth, fatty acids and metal tolerance under standardized conditions. Stormwater ponds in particular have widely fluctuating conditions and metal loads, so microalgae from this type of environment may have desirable traits for growth in wastewater. Forty-three algal strains were isolated in total, including several strains from natural habitats. All strains, with the exception of one cyanobacterial strain, are members of the Chlorophyta, including several taxa commonly targeted for biofuel production. Isolates were identified using taxonomic and 18S rRNA sequence methods, and the fastest growing strains with ideal fatty acid profiles for biodiesel production included Scenedesmus and Desmodesmus species (Growth rate (d(-1)) > 1). All isolates in a small, but diverse taxonomic group of test-strains were tolerant of copper at wastewater-relevant concentrations. Overall, more than half of the isolated strains, particularly those from stormwater ponds, show promise as candidates for biofuel feedstock.
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 | 0,000 |
| 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 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 ».