Syngas Fermentation for the Production of Bio-Based Polymers: A Review
Notice bibliographique
Résumé
Increasing environmental awareness among the general public and legislators has driven this modern era to seek alternatives to fossil-derived products such as fuel and plastics. Addressing environmental issues through bio-based products driven from microbial fermentation of synthetic gas (syngas) could be a future endeavor, as this could result in both fuel and plastic in the form of bioethanol and polyhydroxyalkanoates (PHA). Abundant availability in the form of cellulosic, lignocellulosic, and other organic and inorganic wastes presents syngas catalysis as an interesting topic for commercialization. Fascination with syngas fermentation is trending, as it addresses the limitations of conventional technologies like direct biochemical conversion and Fischer-Tropsch's method for the utilization of lignocellulosic biomass. A plethora of microbial strains is available for syngas fermentation and PHA production, which could be exploited either in an axenic form or in a mixed culture. These microbes constitute diverse biochemical pathways supported by the activity of hydrogenase and carbon monoxide dehydrogenase (CODH), thus resulting in product diversity. There are always possibilities of enzymatic regulation and/or gene tailoring to enhance the process's effectiveness. PHA productivity drags the techno-economical perspective of syngas fermentation, and this is further influenced by syngas impurities, gas-liquid mass transfer (GLMT), substrate or product inhibition, downstream processing, etc. Product variation and valorization could improve the economical perspective and positively impact commercial sustainability. Moreover, choices of single-stage or multi-stage fermentation processes upon product specification followed by microbial selection could be perceptively optimized.
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) | 0,001 | 0,001 |
| 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 | 0,000 | 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 ».