Stepwise Ethanol-Water Fractionation of Enzymatic Hydrolysis Lignin to Improve Its Performance as a Cationic Dye Adsorbent
Notice bibliographique
Résumé
In this work, lignin fractionation is proposed as an effective approach to reduce the heterogeneity of lignin and improve the adsorption and recycle performances of lignin as a cationic dye adsorbent. By stepwise dissolution of enzymatic hydrolysis lignin in 95% and 80% ethanol solutions, three lignin subdivisions (95% ethanol-soluble subdivision, 80% ethanol-soluble subdivision, and 80% ethanol-insoluble subdivision) were obtained. The three lignin subdivisions were characterized by gel permeation chromatography (GPC), FTIR, 2D-NMR and scanning electron microscopy (SEM), and their adsorption capacities for methylene blue were compared. The results showed that the 80% ethanol-insoluble subdivision exhibited the highest adsorption capacity and its value (396.85 mg/g) was over 0.4 times higher than that of the unfractionated lignin (281.54 mg/g). The increased adsorption capacity was caused by the enhancement of both specific surface area and negative Zeta potential. The maximum monolayer adsorption capacity of 80% ethanol-insoluble subdivision by adsorption kinetics and isotherm studies was found to be 431.1 mg/g, which was much higher than most of reported lignin-based adsorbents. Moreover, the 80% ethanol-insoluble subdivision had much higher regeneration yield (over 90% after 5 recycles) compared with the other two subdivisions. Consequently, the proposed fractionation method is proved to be a novel and efficient non-chemical modification approach that significantly improves adsorption capacity and recyclability of lignin.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».