MétaCan
Menu
Retour à la cohorte
Enregistrement W2970627931 · doi:10.1016/j.dib.2019.104466

Dataset of anaerobic acidogenic digestion for hydrogen production using xylose as substrate: Biogas production and metagenomic data

2019· article· en· W2970627931 sur OpenAlexaff
Gustavo Mockaitis, Guillaume Bruant, Eugênio Foresti, Marcelo Zaiat

Notice bibliographique

RevueData in Brief · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAnaerobic Digestion and Biogas Production
Établissements canadiensNational Research Council Canada
Organismes subventionnairesFundação de Amparo à Pesquisa do Estado de São Paulo
Mots-clésMetagenomicsAnaerobic digestionAcidogenesisXyloseBiogasAnaerobic exerciseFermentationBiogas productionChemistryFood scienceHydrogen productionPulp and paper industryEnvironmental scienceBiotechnologyWaste managementBiochemistryHydrogenBiologyMethaneEngineeringOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

This paper presents the raw data of biogas production and composition (relative pressures and concentrations of each of the biogas constituents) for batch experiments to evaluate the anaerobic digestion of xylose. Also, metagenomic sequencing data and analysis were reported. All data is available at Mendeley Data. 16S DNA sequencing data and metadata is available at MG-RAST (metagenomics.anl.gov/linkin.cgi?project = 9961). For further discussion, please refer to the scientific article entitled "Effect of acidic and thermal pretreatments on a microbial inoculum for hydrogen and volatile fatty acids production through xylose anaerobic acidogenic metabolism" (Mockaitis et al., 2020).

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)0,000
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 enseignants0,316
Score d'incertitude au seuil0,830

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,002
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 Opus0,054
Tête enseignante GPT0,282
Écart entre enseignants0,228 · 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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData in BriefMême sujetAnaerobic Digestion and Biogas ProductionTravaux en français237 207