MétaCan
Menu
Retour à la cohorte
Enregistrement W2885896567 · doi:10.1155/2018/4634898

Bioaugmentation with Mixed Hydrogen-Producing Acetogen Cultures Enhances Methane Production in Molasses Wastewater Treatment

2018· article· en· W2885896567 sur OpenAlexaff
Shuo Wang, Jianzheng Li, Guochen Zheng, Guocheng Du, Ji Li

Notice bibliographique

RevueArchaea · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAnaerobic Digestion and Biogas Production
Établissements canadiensUniversity of Calgary
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesMajor Science and Technology Program for Water Pollution Control and TreatmentHarbin Institute of TechnologyState Key Laboratory of Urban Water Resource and EnvironmentNational Natural Science Foundation of China
Mots-clésBioaugmentationWastewaterAcetogenesisChemical oxygen demandChemistryPulp and paper industryAnaerobic digestionSewage treatmentEnvironmental chemistryFood scienceWaste managementMethaneEnvironmental engineeringMicroorganismBiologyBacteriaEnvironmental scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Hydrogen-producing acetogens (HPA) have a transitional role in anaerobic wastewater treatment. Thus, bioaugmentation with HPA cultures can enhance the chemical oxygen demand (COD) removal efficiency and CH4yield of anaerobic wastewater treatment. Cultures with high degradation capacities for propionic acid and butyric acid were obtained through continuous subculture in enrichment medium and were designated as Z08 and Z12. Bioaugmentation with Z08 and Z12 increased CH4production by glucose removal to 1.58. Bioaugmentation with Z08 and Z12 increased the COD removal rate in molasses wastewater from 71.60% to 85.84%. The specific H2and CH4yields from COD removal increased by factors of 1.54 and 1.63, respectively. Results show that bioaugmentation with HPA-dominated cultures can improve CH4production from COD removal. Furthermore, hydrogen-producing acetogenesis was identified as the rate-limiting step in anaerobic wastewater treatment.

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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,015
Tête enseignante GPT0,248
Écart entre enseignants0,233 · 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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchaeaMême sujetAnaerobic Digestion and Biogas ProductionTravaux en français237 207