Using Green γ-Valerolactone/Water Solvent To Decrease Lignin Heterogeneity by Gradient Precipitation
Notice bibliographique
Résumé
Lignin heterogeneity, involving complex structure and high polydispersity, is a key challenge that restricts its value-added applications. Fractionation of heterogeneous lignin into several homogeneous subdivisions is an attractive and practical strategy to overcome this limitation. In this work, γ-valerolactone (GVL), a sugar-derived product, was used as a green solvent for lignin fractionation when mixed with water. The enzymatic hydrolysis lignin (EHL) was subdivided into three different fractions (F1, F2, and F3) by dissolving it completely in 60% aqueous GVL and then following gradient precipitation in 40%, 30%, and 5% aqueous GVL solutions, sequentially. Detailed characterization techniques were conducted to provide a comprehensive evaluation of the three obtained lignin fractions. Moreover, the proposed fractionation mechanism was further investigated on the basis of Kamlet–Taft parameters. The gel permeation chromatography (GPC) analyses showed that the three fractions presented lower polydispersity than the parent EHL and, furthermore, a gradual decreasing molecular weight due to the different solubility of various molecular weight lignins in aqueous GVL solvents. The structural analyses revealed that with the decrease of molecular weight, the guaiacyl unit content in lignin fractions decreased, with significant increases of functional groups (i.e., aromatic/aliphatic hydroxyl and carboxyl groups). The solvent recycling study showed that the aqueous GVL had a high recovery, and the recycled GVL had the same lignin fractionation performance as fresh GVL. Overall, compared with traditional fractionation using multiple organic solvents, the present work provides a green and efficient route to fractionate lignin and, therefore, significantly decreases its molecular weight polydispersity and structural heterogeneity.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».