Enhanced High-Solids Fed-Batch Enzymatic Hydrolysis of Sugar Cane Bagasse with Accessory Enzymes and Additives at Low Cellulase Loading
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.
Notice bibliographique
Résumé
High cellulase loading is still a major impediment in the production of fermentative sugars from high-solids enzymatic hydrolysis of lignocellulosic substrates in the enzyme-based “biorefinery” industry. This study attempted a high-solids (20%) enzymatic hydrolysis of lignocellulosic substrate at a very low cellulase loading with mixed use of additives and accessory enzymes by fed-batch mode. To avoid the high initial biomass viscosity, the high-solids enzymatic hydrolysis of lignocellulosic substrates was initiated with a solids content of 8%. Thereafter, 4% of the additional substrates were consecutively fed into the hydrolysis system after 6, 12, and 18 h to reach a final solids content of 20%. Some additive mixtures (40 mg/g substrateTween 80 + 10 mg/g substrate tea saponin +20 mg/g substrate BSA) were observed to enable this fed-batch hydrolysis to increase 30% of the glucose yield after the 48 h. The combination of these additives and accessory enzymes (2.4 mg/g substrate xylanase and 1 mg/g substrate AA9) in the high-solids hydrolysis system further boosted the sugar release. This allowed us to achieve an industrially relevant sugar yield (83% cellulose and 90% xylan hydrolysis) and fermentable sugar titer (∼160 g/L) after 72 h, with a low cellulase enzyme loading (3 FPU/g substrate). Our results indicate that the fed-batch substrate addition process is a favorable model for high-solids enzymatic hydrolysis of lignocellulosic substrates. Moreover, the synergism between the additives and accessory enzymes can greatly boost the high-solids enzymatic hydrolysis of lignocellulosic substrates.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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