Production of Ethanol from Ripe Plantain Peel Hydrolysate by Saccharomyces cerevisiae
Notice bibliographique
Résumé
Aim: Nigeria is amongst the largest Musa paradisiaca (Plantain) producing countries and ripe plantain peels are discarded as waste thus polluting the environment. Utilization of this agricultural waste to useful products like ethanol will be a welcome development. The influence of pretreatment on plantain peels hydrolysate for ethanol production by Saccharomyces cerevisiae and the effect of media supplementation were studied.Methodology: The pretreatment methods used before carrying out fermentation of the hydrolysate were acid, steam and alkali. Parameters analyzed in all the hydrolysates and during fermentation were cell number, pH value, ethanol, glycerol concentration and inhibitory compounds using standard procedures.Results: The results showed that acid pretreatment had the highest cell number, glycerol and ethanol concentrations of 27.30 ± 2.47 x 106 cells/mL, 4.43± 0.15 mg/mL and 12.31± 0.08 mg/mL respectively. Alkali pretreated plantain peel hydrolysate had the least values of 12.25 ± 1.77 x 106 cells/mL, 3.81 ± 0.10 mg/mL and 7.50 ± 0.21 mg/mL for cell number, glycerol and ethanol concentrations, respectively. There was a significant difference in ethanol production when comparing the acid pretreatment to the others (P < 0.05). The acid hydrolysate was optimized by supplementing the media and results showed that the cell number, glycerol and ethanol concentration slightly increased.Conclusion: It was observed that acid hydrolysate of plantain peels can be utilized economically as a cheap substrate for bioethanol production and the yield can be enhanced through media supplementation.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».