Enzyme-Mediated Lignocellulose Liquefaction Is Highly Substrate-Specific and Influenced by the Substrate Concentration or Rheological Regime
Notice bibliographique
Résumé
The high viscosities/yield stresses of lignocellulose slurries makes their industrial processing a significant challenge. However, little is known regarding the degree to which liquefaction and its enzymatic requirements are specific to a substrate’s physicochemical and rheological properties. In the work reported here, the substrate- and rheological regime-specificities of liquefaction of various substrates were assessed using real-time in-rheometer viscometry and offline oscillatory rheometry when hydrolysed by combinations of cellobiohydrolase (Trichoderma reesei Cel7A), endoglucanase (Humicola insolens Cel45A), glycoside hydrolase (GH) family 10 xylanase, and GH family 11 xylanase. In contrast to previous work that has suggested that endoglucanase activity dominates enzymatic liquefaction, all of the enzymes were shown to have at least some liquefaction capacity depending on the substrate and reaction conditions. The contribution of individual enzymes was found to be influenced by the rheological regime; in the concentrated regime, the cellobiohydrolase outperformed the endoglucanase, achieving 2.4-fold higher yield stress reduction over the same timeframe, whereas the endoglucanase performed best in the semi-dilute regime. It was apparent that the significant differences in rheology and liquefaction mechanisms made it difficult to predict the liquefaction capacity of an enzyme or enzyme cocktail at different substrate concentrations.
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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».