MétaCan
Menu
Retour à la cohorte
Enregistrement W2897789630 · doi:10.3390/ma11102005

The Potential of Using Immobilized Xylanases to Enhance the Hydrolysis of Soluble, Biomass Derived Xylooligomers

2018· article· en· W2897789630 sur OpenAlexafffund
Jinguang Hu, Joshua D. Davies, Yiu Ki Mok, Claudio Arato, Jack Saddler

Notice bibliographique

RevueMaterials · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensUniversity of CalgaryUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésHydrolysisBiomass (ecology)ChemistryChemical engineeringPulp and paper industryMaterials scienceBiochemistryEngineeringBiologyAgronomy

Résumé

récupéré en direct d'OpenAlex

Earlier work had indicated that enzyme-mediated hydrolysis of xylooligomer-rich water-soluble streams (derived from steam pre-treated wheat straw) resulted in the effective production of xylose which was subsequently used to produce bio-glycol. In the work reported here, both the thermostability and recyclability of xylanases were significantly improved by covalent immobilizing the enzymes onto alginate beads. The immobilized xylanases showed a lower hydrolytic potential (~55% xylooligomer conversion) compared to the commercial xylanase cocktail HTec3 (~90% xylooligomer conversion) when used at the same protein loading concentration. This was likely due to the less efficient immobilization of key higher molecular weight enzymes (>75 kDa), such as β-xylosidases. However, enzyme immobilization could be improved by lowering the glutaraldehyde loading used to activate the alginate beads, resulting in improved hydrolysis efficacy (~65% xylooligomer conversion). Enzyme immobilization improved enzyme thermostability (endoxylanase and β-xylosidase activities were improved by 80% and 40%, respectively, after 24 h hydrolysis) and this allowed the immobilized enzymes to be reused/recycled for multiple rounds of hydrolysis (up to five times) without any significant reduction in their hydrolytic potential.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,002
Score d'incertitude au seuil0,218

Scores Codex et Gemma par catégorie

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 Opus0,010
Tête enseignante GPT0,238
Écart entre enseignants0,229 · 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

Citations13
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetBiofuel production and bioconversionTravaux en français237 207