MétaCan
Menu
← Retour à la cohorte
Enregistrement W2890354528 · doi:10.14288/1.0370963

The influence of enzymatic liquefaction and slurry rheology on high-solids cellulose hydrolysis

2018· article· en· W2890354528 sur OpenAlexaff
van der Zwan

Notice bibliographique

RevueOpen Collections · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRheologyLiquefactionCelluloseSlurryEnzymatic hydrolysisHydrolysisChemistryMaterials sciencePulp and paper industryPolymer scienceComposite materialOrganic chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Enzyme-mediated hydrolysis of lignocellulosic materials for their conversion into bioproducts would benefit significantly if high solids concentrations (low water-to-biomass ratios) could be processed effectively. However, the fibrous nature of lignocellulosic biomass makes effective reaction mixing difficult, resulting in mass transfer limitations that reduce process yields. Overcoming these rheological challenges will require a better understanding of the substrate properties that influence slurry rheology, and in particular, how the action of carbohydrate-active enzymes can better facilitate slurry viscosity reduction, or ‘enzymatic liquefaction’. To this end, the work described in this thesis assessed: the underlying causes of the rheological challenge of high-solids bioconversion; the possible mechanisms of enzymatic liquefaction; how liquefaction is influenced by the nature of the substrate; and the roles the various enzymes play in liquefaction. It was apparent that the relationship between substrate properties, slurry rheology and high-solids hydrolysis kinetics is complex and multifaceted. Substrate–water interactions were shown to be a key determinant that influenced the mass transfer boundary and the scaling of yield stress with solids loading. The yield stress profiles of the various pretreated substrates varied extensively, indicating that ‘high solids’ is a relative, substrate-dependent quality. Substrate rheological characteristics, especially slurry yield stress, were shown to be directly linked to liquefaction efficiency and to reductions in hydrolysis yield with increasing solids loading. It appeared that enzyme-mediated liquefaction of biomass was achieved through a combination of material dilution, particle fragmentation and alteration of interparticle interactions. Cellobiohydrolases and endoglucanases were shown to be the key enzymes involved in these mechanisms. However, the effectiveness of the various enzymes was strongly influenced by the substrate’s physicochemical properties and concentration. Notably, an enzyme’s low-solids slurry viscosity-reducing capacity did not necessarily reflect its capacity to catalyze liquefaction at high solids loadings. Furthermore, reaction efficiencies tested at low solids loadings did not reliably predict efficiency at high solids due to substrate-specific rheological differences. In summary, this work provided rheological and enzymological insights into the highly disparate reaction kinetics and rheological challenge prevailing at commercially relevant substrate 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)0,001
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
Métarecherche0,0000,001
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,007
Tête enseignante GPT0,216
Écart entre enseignants0,209 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Collections→Même sujetBiofuel production and bioconversion→Travaux en français237 207→