Enhanced dark fermentative biohydrogen production from marine macroalgae Padina tetrastromatica by different pretreatment processes
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
Marine macroalgae are promising substrates for biofuel production. Pretreating macroalgae with chemicals could remove microbial inhibitors and enhance the accessibility of the microorganisms involved in the process to the substrates leading to increased product yield. In the present study, Padina tetrastromatica a seaweed species was subjected to different chemical pretreatment in order to remove phenolic content and to enhance biohydrogen production. Different mineral acids (i.e., HCl, H2SO4, and HNO3) and bases (NaOH and KOH) were applied for effective pretreatment of the seaweed. Dilute sulphuric acid treatment of seaweed resulted in the highest cumulative biohydrogen production of 78 ± 2.9 mL/0.05 g VS and reduced phenolic content to 1.6 ±0.072 mg gallic acid equivalent (GAE)/g. Optimization of three variables for pretreatment (i.e., substrate concentration, acid concentration, and reaction time) was examined by Response Surface Methodology. After the optimization of the pretreatment conditions, phenolic content was decreased to 0.06 mg GAE/g. and enhanced biohydrogen production was observed. Structural changes due to pretreatment was studied by FTIR and XRD analyses. The results clearly indicated that the dilute sulphuric acid pretreatment was effective in removing phenolic content and enhancing biohydrogen production.
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 | 0,001 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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