MétaCan
Menu
Retour à la cohorte
Enregistrement W3203588066 · doi:10.1080/16583655.2021.1981802

Impact of pretreatment severity on fungal cellulase production on sugarcane bagasse substrate

2021· article· en· W3203588066 sur OpenAlexaff
Muinat Olanike Kazeem, Lateefah Uthman-Saheed, Mushafau Adebayo Oke

Notice bibliographique

RevueJournal of Taibah University for Science · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCellulaseBagasseCelluloseSubstrate (aquarium)ChemistryLimitingFood scienceEnzymePulp and paper industryBiotechnologyBiochemistryBiologyEngineeringEcology

Résumé

récupéré en direct d'OpenAlex

On-site production of cellulases using lignocellulosic materials can improve the economic viability of biorefineries. This, however, requires the pretreatment of substrates using thermochemical conditions that can vary in severity. To understand the effect of pretreatment severity on cellulase production by Aspergillus ustus S3 on sugarcane bagasse, we applied NaOH pretreatment corresponding to 3 severity factors (SF1.32, SF1.79, and SF3.64) to generate SCB that was used as inducing substrate. The highest cellulase activity (0.681 U/mL) was obtained with the intermediate severity (SF1.79) while significantly lower activities of 0.495 and 0.539 U/mL were recorded with low (SF1.32) and high (SF3.64) severities, respectively. Chemical and structural characterization revealed that low and intermediate severities improved cellulose accessibility and cellulase titres while high severity impaired them, thus limiting substrate suitability for enzyme production. These results show that though high SFs might be desirable in other applications, moderate severities may be more appropriate for cellulase 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 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 enseignants0,062
Score d'incertitude au seuil0,288

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 Opus0,014
Tête enseignante GPT0,228
Écart entre enseignants0,214 · 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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Taibah University for ScienceMême sujetBiofuel production and bioconversionTravaux en français237 207