MétaCan
Menu
Retour à la cohorte
Enregistrement W3137999469 · doi:10.1002/cjce.24116

<scp><i>Chlorella minutissima</i></scp> grown with xylose and arabinose in tubular photobioreactors: Evaluation of kinetics, carbohydrate production, and protein profile

2021· article· en· W3137999469 sur OpenAlexvenueno aff
Bárbara Bastos de Freitas, Michele Greque de Morais, Jorge Alberto Vieira Costa

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2021
Typearticle
Langueen
DomaineEnergy
ThématiqueAlgal biology and biofuel production
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhotobioreactorXyloseArabinoseBiomass (ecology)Food scienceCarbohydrateChlorellaBiofuelBiologyBotanyLight intensityChemistryAlgaeBiochemistryBiotechnologyFermentationAgronomy

Résumé

récupéré en direct d'OpenAlex

Abstract Lignocellulosic waste is the most abundant global renewable biomass source and contains significant amounts of pentoses. Thus, pentoses can be considered potential carbon sources for the culture media for microalgae cultivation. The present study aimed to determine whether the addition of D‐xylose and L‐arabinose and lighting variations influence the carbohydrate and protein profiles of Chlorella minutissima grown in tubular photobioreactors. The highest biomass concentration of 1.55 g L−1 was attained by the control cultures exposed to a light intensity of 40.50 μmol m−2 s−1. The highest carbohydrate accumulation (66.4%) was obtained through the combined use of 40.50 μmol m−2 s−1 light intensity, 19.16 mg L−1 D‐xylose, 0.89 mg L−1 L‐arabinose, and 0.125 g L−1 KNO3. A reduction in luminosity and the addition of pentoses altered the protein profile of Chlorella minutissima. Thus, growth and carbohydrate production can be stimulated by pentoses and adequate luminous intensity. Therefore, Chlorella minutissima can be considered a potential source of biomass for bioethanol production.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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)0,0010,000

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 GPT0,186
Écart entre enseignants0,177 · 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 source (Gemma direct ou Codex distillé), 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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetAlgal biology and biofuel productionTravaux en français237 207