MétaCan
Menu
Retour à la cohorte
Enregistrement W2740291436 · doi:10.1186/s13068-017-0879-9

Improving ethanol productivity through self-cycling fermentation of yeast: a proof of concept

2017· article· en· W2740291436 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueBiotechnology for Biofuels · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaBioFuelNet Canada
Mots-clésCellulosic ethanolEthanol fuelFermentationBiomass (ecology)BiofuelCyclingProductivityEthanolPulp and paper industryEthanol fermentationBiotechnologyEnvironmental scienceFood scienceChemistryBiochemistryEngineeringBiologyAgronomyCelluloseEconomics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The cellulosic ethanol industry has developed efficient strategies for converting sugars obtained from various cellulosic feedstocks to bioethanol. However, any further major improvements in ethanol productivity will require development of novel and innovative fermentation strategies that enhance incumbent technologies in a cost-effective manner. The present study investigates the feasibility of applying self-cycling fermentation (SCF) to cellulosic ethanol production to elevate productivity. SCF is a semi-continuous cycling process that employs the following strategy: once the onset of stationary phase is detected, half of the broth volume is automatically harvested and replaced with fresh medium to initiate the next cycle. SCF has been shown to increase product yield and/or productivity in many types of microbial cultivation. To test whether this cycling process could increase productivity during ethanol fermentations, we mimicked the process by manually cycling the fermentation for five cycles in shake flasks, and then compared the results to batch operation. RESULTS: Mimicking SCF for five cycles resulted in regular patterns with regards to glucose consumption, ethanol titer, pH, and biomass production. Compared to batch fermentation, our cycling strategy displayed improved ethanol volumetric productivity (the titer of ethanol produced in a given cycle per corresponding cycle time) and specific productivity (the amount of ethanol produced per cellular biomass) by 43.1 ± 11.6 and 42.7 ± 9.8%, respectively. Five successive cycles contributed to an improvement of overall productivity (the aggregate amount of ethanol produced at the end of a given cycle per total processing time) and the estimated annual ethanol productivity (the amount of ethanol produced per year) by 64.4 ± 3.3 and 33.1 ± 7.2%, respectively. CONCLUSIONS: This study provides proof of concept that applying SCF to ethanol production could significantly increase productivities, which will help strengthen the cellulosic ethanol industry.

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 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 enseignants0,052
Score d'incertitude au seuil0,570

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 Opus0,019
Tête enseignante GPT0,256
Écart entre enseignants0,237 · 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