Sustainable microalgae-based technology for biotransformation of benzalkonium chloride in oil and gas produced water: A laboratory-scale study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Many countries have implemented stringent regulatory standards for discharging produced water (PW) from the oil and gas extraction process. Among the different chemical pollutants occurring in PW, surfactants are widely applied in the oil and gas industry to provide a barrier from metal corrosion. However, the release of these substances from the shale formation can pose serious hazardous impacts on the aquatic environment. In this study, a low-cost and eco-friendly microalgae laboratory-scale technology has been tested for biotransformation of benzalkonium chloride (BACC12 and BACC14) in seawater and PW during 14-days of treatment (spiked at 5 mg/L). From the eight microalgae strains selected, Tetraselmis suecica showed the highest removal rates of about 100% and 54% in seawater and PW, respectively. Suspect screening analysis using liquid chromatography coupled to high-resolution mass spectrometry (LC-HRMS) allowed the identification of 12 isomeric intermediates generated coming from biotransformation mechanisms. Among them, the intermediate [OH-BACC12] was found as the most intense compound generated from BACC12, while the intermediate [2OH-BACC14] was found as the most intense compound generated from BACC14. The suggested chemical structures demonstrated a high reduction on their amphiphilic properties, and thus, their tendency to be adsorbed into sediments after water discharge. In this study, Tetraselmis suecica was classified as the most successful specie to reduce the surfactant activity of benzalkonium chloride in treated effluents.
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.
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 | 0,001 | 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 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle