MétaCan
Menu
Retour à la cohorte
Enregistrement W4223922978 · doi:10.3390/fermentation8040186

Cultivation of Microalgae in Unsterile Malting Effluent for Biomass Production and Lipid Productivity Improvement

2022· article· en· W4223922978 sur OpenAlexafffundabout
Janak Raj Khatiwada, Haipeng Guo, Sarita Shrestha, Chonlong Chio, Xuatong Chen, Aristide Laurel Mokale Kognou, Wensheng Qin

Notice bibliographique

RevueFermentation · 2022
Typearticle
Langueen
DomaineEnergy
ThématiqueAlgal biology and biofuel production
Établissements canadiensLakehead University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésEffluentChlorellaBiomass (ecology)NutrientWastewaterDilutionBiologyChlamydomonasDry weightAlgaeBotanyProductivityPulp and paper industryAgronomyEnvironmental scienceEnvironmental engineeringEcologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Microalgae have the potential to grow in nutrient-rich environments and have the ability to accumulate nutrients from wastewater. The nutrients in malting wastewater are ideal for microalgae cultivation. However, there is limited published work on the growth characteristics of freshwater microalgae grown in malting effluent. This study examined the potential of diluted malting effluent for the growth of freshwater green algae Chlorella sp. and Chlamydomonas sp. isolated from northern Ontario and subsequent biomass and lipid production. Under the 18:6 h light/dark cultivation cycle, the highest cell number counted (540 × 104 cell·mL−1 on day 20) and total chlorophyll content were found in 50% diluted malting effluents for Chlorella sp., whereas the 70% dilution concentration was the most productive for Chlamydomonas (386 × 104 cell·mL−1 on day 16). The total lipid content was higher in the 50% dilution concentration of malting effluent in both Chlorella sp. (maximum 20.5%–minimum 11.5% of dry weight) and Chlamydomonas sp. (max 39.3%–min 25.9% of dry weight). These results emphasize the suitability of using unsterile diluted malting effluent for microalgae cultivation.

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 seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,016
Tête enseignante GPT0,255
Écart entre enseignants0,240 · 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

Citations12
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFermentationMême sujetAlgal biology and biofuel productionTravaux en français237 207