MétaCan
Menu
Retour à la cohorte
Enregistrement W3215857462 · doi:10.1002/btpr.3226

Lignin degradation by microorganisms: A review

2021· review· en· W3215857462 sur OpenAlexaff
Ghada Atiwesh, Christopher C. Parrish, Joseph Banoub, Tuyet‐Anh T. Le

Notice bibliographique

RevueBiotechnology Progress · 2021
Typereview
Langueen
DomaineEngineering
ThématiqueLignin and Wood Chemistry
Établissements canadiensFisheries and Oceans CanadaMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésLigninBiodegradationMicroorganismDegradation (telecommunications)Microbial biodegradationBiopolymerWhite rotPulp and paper industryChemistryBacteriaBiochemical engineeringBiotechnologyBiologyPolymerOrganic chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Lignin is an abundant plant-based biopolymer that has found applications in a variety of industries from construction to bioethanol production. This recalcitrant branched polymer is naturally degraded by many different species of microorganisms, including fungi and bacteria. These microbial lignin degradation mechanisms provide a host of possibilities to overcome the challenges of using harmful chemicals to degrade lignin biowaste in many industries. The classes and mechanisms of different microbial lignin degradation options available in nature form the primary focus of the present review. This review first discusses the chemical building blocks of lignin and the industrial sources and applications of this multifaceted polymer. The review further places emphasis on the degradation of lignin by natural means, discussing in detail the lignin degradation activities of various fungal and bacterial species. The lignin-degrading enzymes produced by various microbial species, specifically white-rot fungi, brown-rot fungi, and bacteria, are described. In the end, possible directions for future lignin biodegradation applications and research investigations have been provided.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 GPT0,273
Écart entre enseignants0,258 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations166
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiotechnology ProgressMême sujetLignin and Wood ChemistryTravaux en français237 207