MétaCan
Menu
Retour à la cohorte
Enregistrement W2600093286 · doi:10.1186/s13068-017-0769-1

Robust, high-productivity phototrophic carbon capture at high pH and alkalinity using natural microbial communities

2017· article· en· W2600093286 sur OpenAlexafffund
Christine Sharp, Sydney Urschel, Xiaoli Dong, Allyson L. Brady, G. F. Slater, Marc Strous

Notice bibliographique

RevueBiotechnology for Biofuels · 2017
Typearticle
Langueen
DomaineEnergy
ThématiqueAlgal biology and biofuel production
Établissements canadiensMcMaster UniversityUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada First Research Excellence FundCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of Canada
Mots-clésPhototrophAlkalinityBiomass (ecology)BioenergyBio-energy with carbon capture and storageEnvironmental scienceBiofuelAlgaeProductivityEcologyCarbon sequestrationBiologyBotanyCarbon dioxideChemistryPhotosynthesis

Résumé

récupéré en direct d'OpenAlex

Bioenergy with carbon capture and storage (BECCS) has come to be seen as one of the most viable technologies to provide the negative carbon dioxide emissions needed to constrain global temperatures. In practice, algal biotechnology is the only form of BECCS that could be realized at scale without compromising food production. Current axenic algae cultivation systems lack robustness, are expensive and generally have marginal energy returns. Here it is shown that microbial communities sampled from alkaline soda lakes, grown as biofilms at high pH (up to 10) and high alkalinity (up to 0.5 kmol m−3 NaHCO3 and NaCO3) display excellent (>1.0 kg m−3 day−1) and robust (>80 days) biomass productivity, at low projected overall costs. The most productive biofilms contained >100 different species and were dominated by a cyanobacterium closely related to Phormidium kuetzingianum (>60%). Frequent harvesting and red light were the key factors that governed the assembly of a stable and productive microbial community.

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 seuil0,002

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 savante0,0010,000
Science ouverte0,0000,001
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 Opus0,034
Tête enseignante GPT0,244
Écart entre enseignants0,210 · 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

Citations65
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiotechnology for BiofuelsMême sujetAlgal biology and biofuel productionTravaux en français237 207