Influence of Alkali and Alkaline-Earth Metals on the Cleavage of Glycosidic Bond in Biomass Pyrolysis: A DFT Study Using Cellobiose as a Model Compound
Notice bibliographique
Résumé
Fast pyrolysis is a promising technology for the production of renewable fuels and chemicals from lignocellulosic biomass. The product distribution (bio-oil, char) and the composition of bio-oil are significantly influenced by the presence of naturally occurring alkali and alkaline-earth metals (AAEMs). In this paper, we investigate, at the molecular level, the influence of Na(I), K(I), Ca(II), and Mg(II) ions on glycosidic bond breaking reactions using density functional theory. Glycosidic bond breaking reactions are categorized as direct C–O breaking mechanisms, namely, transglycosylation, glycosylation, and ring contraction and the two-step pathways, which include the mannose pathway, dehydration, and ring opening. Our calculations show that in the absence of metal, transglycosylation and dehydration pathways (activation barriers ∼55 kcal.mol–1) are kinetically most facile. The linkage type (α- or β-1,4) has an insignificant effect on kinetics of glycosidic bond cleavage. Mg(II) ions have a pronounced effect on lowering the activation barriers of glycosylation, ring contraction, and the mannose pathway, requiring activation enthalpies of 32–52 kcal.mol–1. Conversely, Mg(II) and Ca(II) ions inhibit the dehydration pathway. Na(I) and K(I) ions do not significantly influence the activation barriers of glycosidic bond cleavage reactions, as the reduction is only about 5–10 kcal.mol–1. Thus, AAEM ions exhibit different catalytic effects on glycosidic bond breaking reactions.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».