MétaCan
Menu
Retour à la cohorte
Enregistrement W3006707822 · doi:10.1089/ind.2019.0011

Cultivation of an Algae-Bacteria Consortium in a Mixture of Industrial Wastewater to Obtain Valuable Products for Local Use

2020· article· en· W3006707822 sur OpenAlexaff
Frédérique Bélanger-Lépine, Mélissa Lemire-Lamothe, Alexandre A. Tremblay, Sabrina Rondeau, Patrick Marchand, Yannick Huot, Simon Barnabé

Notice bibliographique

RevueIndustrial Biotechnology · 2020
Typearticle
Langueen
DomaineEnergy
ThématiqueAlgal biology and biofuel production
Établissements canadiensUniversité de SherbrookeSani Marc (Canada)Université du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésWastewaterBiomass (ecology)Pulp and paper industryBiofuelEnvironmental scienceMixotrophSewage treatmentAlgaeIndustrial wastewater treatmentBiotechnologyBacteriaBiologyEnvironmental engineeringBotanyHeterotrophEcologyEngineering

Résumé

récupéré en direct d'OpenAlex

Profitability of biofuel production from microalgae is difficult to achieve but co-locating production with wastewater treatment plants is a possible avenue help to reduce costs. A microalgae culturing project was conducted using wastewater from an industrial park to obtain valuable metabolites from the biomass to eventually use them locally. Different growth conditions were tested with a mixture of wastewater as the culture medium and a native microalgae-bacteria consortium isolated locally. The results showed that this consortium grows well in wastewater and that different fatty acids profiles are produced under the different growth conditions. The optimal culture conditions to produce biomass and extracted lipids are in mixotrophic mode under an irradiance of 200 μmol m−2 s−1 with an injection of 1% of CO2. High amounts of other fatty acids were also produced and could potentially be used to make other co-products. In addition to reducing wastewater treatment costs, the manufacture of biosurfactants could bring additional income to the overall microalgae production process.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,076
Tête enseignante GPT0,263
Écart entre enseignants0,187 · 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 source (Gemma direct ou Codex distillé), 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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial BiotechnologyMême sujetAlgal biology and biofuel productionTravaux en français237 207