MétaCan
Menu
Retour à la cohorte
Enregistrement W2892122378 · doi:10.1515/psr-2018-0074

Recent advances in the application of carbohydrates as renewable feedstocks for the synthesis of nitrogen-containing compounds

2018· article· en· W2892122378 sur OpenAlexafffund
Seyed Iraj Sadraei, Brent St Onge, John F. Trant

Notice bibliographique

RevuePhysical Sciences Reviews · 2018
Typearticle
Langueen
DomaineChemistry
ThématiqueCarbohydrate Chemistry and Synthesis
Établissements canadiensUniversity of Windsor
Organismes subventionnairesUniversity of SussexUniversity of Windsor
Mots-clésBiomass (ecology)ChemistryRenewable energyBiofuelFossil fuelOrganic chemistryCelluloseNitrogenRenewable fuelsBiochemical engineeringEnvironmental sciencePulp and paper industryWaste managementEngineeringEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Carbohydrates, in the form of chitin, chitosan and cellulose, are one of the most available, renewable, and sustainable chemical feedstocks. Their conversion to biofuels, fine chemicals, and industrially-relevant monomers is becoming increasingly viable and promising as innovation decreases the price of this technology, and climate change and the price of fossil fuels increases the social and economic costs of using traditional feedstocks. In recent years, carbohydrates have been increasingly used as sources for nitrogen-containing fine chemicals. This chapter, with 86 references, provides a brief overview of the conversion of carbohydrate biomass to the standard hydrocarbon and oxygen-containing derivatives, and then provides a survey of recent progress in converting the biopolymers, and the derived mono and di-saccharides, into nitrogen-containing molecules with a special focus on N-heterocycle synthesis for medicinal applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,270
Score d'incertitude au seuil0,272

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,034
Tête enseignante GPT0,322
Écart entre enseignants0,287 · 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 tête enseignante, 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

Citations2
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical Sciences ReviewsMême sujetCarbohydrate Chemistry and SynthesisTravaux en français237 207