MétaCan
Menu
Retour à la cohorte
Enregistrement W3093260957 · doi:10.1016/j.jobab.2020.10.007

Optimization and kinetics of glucose production via enzymatic hydrolysis of mixed peels

2020· article· en· W3093260957 sur OpenAlexvenueno aff
Michael U. Ude, Ike Oluka, P. C. Eze

Notice bibliographique

RevueJournal of Bioresources and Bioproducts · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHydrolysisChemistryHemicelluloseEnzymatic hydrolysisCelluloseResponse surface methodologyKineticsYield (engineering)ChromatographySubstrate (aquarium)BiochemistryMaterials science

Résumé

récupéré en direct d'OpenAlex

The optimization and kinetics of glucose production via enzymatic hydrolysis of mixed peels were carried out. The substrate was characterized using proximate analysis and hydrolysis. The process was optimized using response surface methodology while the kinetics of the hydrolysis was studied using Michealis-menten model. The results obtained showed that the mixed peels have high hemicellulose content, hydrolysable carbohydrate and cellulose. The optimum conditions for glucose yield of 79% by enzymatic hydrolysis are temperature of 36 °C, time of five days, pH of 4.55 and enzyme dosage of 0.428 g/50 mL. Enzymatic hydrolysis obeyed Michealis-Menten kinetic model with spontaneous and feasible reactions. Therefore, the results have proved that mixed peels (cassava and potato peels) is a good substrate for glucose production and study of other waste peels as feed-stock is recommended.

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 seuil0,357

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 GPT0,176
Écart entre enseignants0,167 · 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

Citations29
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Bioresources and BioproductsMême sujetBiofuel production and bioconversionTravaux en français237 207