MétaCan
Menu
Retour à la cohorte
Enregistrement W2886477167 · doi:10.1002/celc.201800968

Flow‐Based Deacidification of <i>Geobacter sulfurreducens</i> Biofilms Depends on Nutrient Conditions: a Microfluidic Bioelectrochemical Study

2018· article· en· W2886477167 sur OpenAlexafffund
Mir Pouyan Zarabadi, Steve J. Charette, Jesse Greener

Notice bibliographique

RevueChemElectroChem · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicrobial Fuel Cells and Bioremediation
Établissements canadiensInstitut universitaire de cardiologie et de pneumologie de QuébecUniversité Laval
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of Canada
Mots-clésGeobacter sulfurreducensBiofilmGeobacterMicrofluidicsNutrientChemistryFlow conditionsEnvironmental chemistryFlow (mathematics)Biochemical engineeringBacteriaNanotechnologyBiologyMaterials scienceMechanics

Résumé

récupéré en direct d'OpenAlex

Abstract Biofilms from Geobacter sulfurreducens are promising materials for new bioelectrochemical systems. To improve the performance of such systems, limitations related to biofilm acidification should be addressed. This work examines a long‐held assumption that liquid flow can deacidify biofilm pH by enhancing molecular mass transport in the biofilm subdomain. A microfluidic electrochemical system was used to measure changes to biofilm pH in situ while accurately modulating hydrodynamic conditions under turnover, nutrient‐limited and starvation conditions. We discovered that increased flow rates could indeed mitigate biofilm acidification, but not under turnover concentrations, which are the predominant conditions used in research studies. This effect is demonstrated with the observation that relative increases to bio‐current under increased flow rates were stronger for experiments conducted under nutrient‐limited concentrations compared to turnover concentrations. This can open the way for a solution to poor performance of some bioelectrochemical systems at low concentrations.

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)0,0000,000
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 Opus0,009
Tête enseignante GPT0,238
Écart entre enseignants0,228 · 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

Citations30
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemElectroChemMême sujetMicrobial Fuel Cells and BioremediationTravaux en français237 207