Value-Added Products from Ethanol Fermentation—A Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Global demand for renewable and sustainable energy is increasing, and one of the most common biofuels is ethanol. Most ethanol is produced by Saccharomyces cerevisiae (yeast) fermentation of either crops rich in sucrose (e.g., sugar cane and sugar beet) or starch-rich crops (e.g., corn and starchy grains). Ethanol produced from these sources is termed a first-generation biofuel. Yeast fermentation can yield a range of additional valuable co-products that accumulate during primary fermentation (e.g., protein concentrates, water soluble metabolites, fusel alcohols, and industrial enzymes). Distillers’ solubles is a liquid co-product that can be used in animal feed or as a resource for recovery of valuable materials. In some processes it is preferred that this fraction is modified by a second fermentation with another fermentation organism (e.g., lactic acid bacteria). Such two stage fermentations can produce valuable compounds, such as 1,3-propanediol, organic acids, and bacteriocins. The use of lactic acid bacteria can also lead to the aggregation of stillage proteins and enable protein aggregation into concentrates. Once concentrated, the protein has utility as a high-protein feed ingredient. After separation of protein concentrates the remaining solution is a potential source of several known small molecules. The purpose of this review is to provide policy makers, bioethanol producers, and researchers insight into additional added-value products that can be recovered from ethanol beers. Novel products may be isolated during or after distillation. The ability to isolate and purify these compounds can provide substantial additional revenue for biofuel manufacturers through the development of marketable co-products.
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.
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) | 0,000 | 0,000 |
| 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) | 0,001 | 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 découle