MétaCan
Menu
Retour à la cohorte
Enregistrement W2561426421 · doi:10.1021/acs.jpca.6b11121

Atomic-Level Structure Characterization of Biomass Pre- and Post-Lignin Treatment by Dynamic Nuclear Polarization-Enhanced Solid-State NMR

2016· article· en· W2561426421 sur OpenAlexfundno aff
Frédéric A. Perras, Hao Luo, Ximing Zhang, Nathan S. Mosier, Marek Pruski, Mahdi M. Abu‐Omar

Notice bibliographique

RevueThe Journal of Physical Chemistry A · 2016
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced NMR Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesEnergy Frontier Research CentersBasic Energy SciencesDivision of Engineering Education and CentersNatural Sciences and Engineering Research Council of CanadaGovernment of CanadaU.S. Department of Energy
Mots-clésChemistryLigninBiomass (ecology)Solid-state nuclear magnetic resonanceHomonuclear moleculeLignocellulosic biomassRaw materialBiofuelPolarization (electrochemistry)Two-dimensional nuclear magnetic resonance spectroscopyCharacterization (materials science)NanotechnologyNuclear magnetic resonanceOrganic chemistryPhysical chemistryMoleculeMaterials scienceWaste managementStereochemistry

Résumé

récupéré en direct d'OpenAlex

Lignocellulosic biomass is a promising sustainable feedstock for the production of biofuels, biomaterials, and biospecialty chemicals. However, efficient utilization of biomass has been limited by our poor understanding of its molecular structure. Here, we report a dynamic nuclear polarization (DNP)-enhanced solid-state (SS)NMR study of the molecular structure of biomass, both pre- and postcatalytic treatment. This technique enables the measurement of 2D homonuclear 13 C– 13 C correlation SSNMR spectra under natural abundance, yielding, for the first time, an atomic-level picture of the structure of raw and catalytically treated biomass samples. We foresee that further such experiments could be used to determine structure–function relationships and facilitate the development of more efficient, and chemically targeted, biomass-conversion technologies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,005
Score d'incertitude au seuil0,360

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,005
Tête enseignante GPT0,251
Écart entre enseignants0,246 · 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 tête enseignante, 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

Citations79
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Physical Chemistry AMême sujetAdvanced NMR Techniques and ApplicationsTravaux en français237 207