MétaCan
Menu
Retour à la cohorte
Enregistrement W2606077164 · doi:10.1186/s13068-017-0784-2

Impact of lignin polymer backbone esters on ionic liquid pretreatment of poplar

2017· article· en· W2606077164 sur OpenAlexaff
Kwang Ho Kim, Tanmoy Dutta, John Ralph, Shawn D. Mansfield, Blake A. Simmons, Seema Singh

Notice bibliographique

RevueBiotechnology for Biofuels · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueLignin and Wood Chemistry
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesGreat Lakes Bioenergy Research CenterLawrence Berkeley National LaboratoryBiological and Environmental ResearchOffice of ScienceU.S. Department of Energy
Mots-clésLigninIonic liquidChemistryPolymerPulp and paper industryCelluloseOrganic chemistryBiotechnologyPolymer scienceBiologyEngineeringCatalysis

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: to reduce lignin content or modify its composition to overcome the inherent recalcitrance that it imposes on lignocellulosic biomass during processing. Here, transgenic poplar lines in which monolignol ferulate conjugates were synthesized during cell wall development to introduce, during lignification, readily cleavable ester linkages into the lignin polymer backbone (i.e., "zip lignin"), along with wild-type (WT) controls, were pretreated with different ionic liquids (ILs). RESULTS: The strategic introduction of ester bonds into the lignin backbone resulted in increased pretreatment efficiency and released more carbohydrates with lower energy input. After pretreatment with any of three different ILs, and after limited saccharification, the transgenic poplars, especially those with relatively higher amounts of incorporated monolignol ferulate conjugates, yielded up to 23% higher sugar levels compared to WT plants. CONCLUSION: Our findings clearly demonstrate that the introduction of ester linkages into the lignin polymer backbone decreases biomass recalcitrance in poplar has the potential to reduce the energy and/or amount of IL required for effective pretreatment, and could enable the development of an economically viable and sustainable biorefinery process.

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 seuil0,004

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 Opus0,012
Tête enseignante GPT0,268
Écart entre enseignants0,256 · 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

Citations61
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiotechnology for BiofuelsMême sujetLignin and Wood ChemistryTravaux en français237 207