MétaCan
Menu
Retour à la cohorte
Enregistrement W3087404470 · doi:10.1021/acssuschemeng.0c05183

Potential To Produce Sugars and Lignin-Containing Cellulose Nanofibrils from Enzymatically Hydrolyzed Chemi-Thermomechanical Pulps

2020· article· en· W3087404470 sur OpenAlexafffund
Xushen Han, Ran Bi, Hale Oğuzlu, Masatsugu Takada, Jungang Jiang, Feng Jiang, Jie Bao, Jack Saddler

Notice bibliographique

RevueACS Sustainable Chemistry & Engineering · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaChina Scholarship Council
Mots-clésCelluloseSoftwoodHydrolysisLigninCellulasePulp (tooth)ChemistryEnzymatic hydrolysisMonosaccharideChemical engineeringNanocelluloseSubstrate (aquarium)HardwoodLignosulfonatesOrganic chemistryPulp and paper industryMaterials scienceComposite materialBotany

Résumé

récupéré en direct d'OpenAlex

Softwood mechanical pulps have proven to be quite recalcitrant to enzymatic hydrolysis. However, the unhydrolyzed, residual fibers might have potential as nanofibrillated cellulose feedstocks. In the work reported here, a bleached softwood chemi-thermomechanical pulp (CTMP) was neutrally sulfonated (S-BCTMP) in an attempt to enhance fiber accessibility and enzymatic hydrolysis. A 12 h hydrolysis at 10% solid loading with CTec3 cellulases provided optimum conditions with 22% of the pulp hydrolyzed to monosaccharides and about one-third of the original substrate remaining as lignin-containing cellulose nanofibrils (LCNFs). Prolonged hydrolysis (72 h) resulted in 42% hydrolysis of the original substrate with only 16% of the original S-BCTMP recovered as LCNFs. Although the LCNFs contained high levels of lignin (26.8%–38.5%), they were successfully used to prepare transparent films showing a high contact angle (82.8°) and strong UV-blocking properties. It was apparent that enzyme-mediated modification of CTMP has the potential to produce both fermentable sugars and higher-value LCNFs.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,004
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,007
Tête enseignante GPT0,213
Écart entre enseignants0,206 · 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.

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

Citations45
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Sustainable Chemistry & EngineeringMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207