MétaCan
Menu
Retour à la cohorte
Enregistrement W3010388463 · doi:10.15626/eco-tech.2005.013

Energy from domestic refuse by enzymatic degradation of cellulosic fibre waste into sugars and ethanol: initial laboratory studies

2019· article· en· W3010388463 sur OpenAlexaboutno aff
Peter F. Randerson, Brian N. Dancer

Notice bibliographique

RevueLinnaeus Eco-Tech · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensnon disponible
Organismes subventionnairesCardiff University
Mots-clésCellulosic ethanolCellulasePulp and paper industryCelluloseSugarFermentationChemistryBiomass (ecology)Trichoderma virideWaste managementEthanol fuelReducing sugarStarchBiofuelBiotechnologyFood scienceAgronomyOrganic chemistryEngineeringBiology

Résumé

récupéré en direct d'OpenAlex

The search for commercially viable biogenic sources of transport fuel, such as ethanol, is nowa priority among developed countries. Sugar- and starch-containing crops currently supportmature industries producing ethanol by yeast fermentation. The potential of bulk plantmaterials (biomass crops, agricultural wastes and domestic refuse) is enormous, but suchligno-cellulosic compounds are difficult to degrade into simple sugar molecules. In the USAand Canada, commercial development programmes are under way to develop new enzymaticand fermentation technologies and to reduce process costs.We investigated the potential of processed waste material derived from domestic refuse as asource of simple sugars for conversion to ethanol. "Pure" cellulose was almost completelydegraded to reducing sugars by cellulase C0I3L, a mixed enzyme preparation, and byTrichoderma viride cellulase, whereas enzymes from other fungal species performed lesswell. T viride achieved less than I 0% (by weight) conversion of waste material to reducingsugars in 2 hour incubations, whereas C013L cellulase gave sugar yields of up to 35%.Extended incubation times gave little increase in yield. These results support the feedstockpotential of this material. Alternative techniques, such as pre-treatment with ferulic acidesterase to improve the effectiveness of degradation, are discussed.

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 enseignants0,008
Score d'incertitude au seuil0,670

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 Opus0,009
Tête enseignante GPT0,228
Écart entre enseignants0,219 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLinnaeus Eco-TechMême sujetBiofuel production and bioconversionTravaux en français237 207