MétaCan
Menu
← Retour à la cohorte
Enregistrement W4250719477 · doi:10.32920/ryerson.14657751.v1

The Enrichment and Characterization of Compost and Wastewater-Derived Microbial Cellulolytic Consortia for Biofuel Production

2021· preprint· en· W4250719477 sur OpenAlexaff
Augustyna Dobosz

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésCompostWastewaterPulp and paper industryBiofuelCelluloseBiomass (ecology)ChemistryFood scienceEthanol fuelFermentationNutrientBioenergyEnvironmental scienceWaste managementBiotechnologyBiologyAgronomyEnvironmental engineeringBiochemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Over the last decade, a rise in energy demand and diminishing fuel resources have created a challenge for finding an alternative solution that could supplement our current energy sources. This study demonstrated that ethanol and other useful end-products can be produced from the fermentative activity of microbial consortia derived from cellulose-rich waste environments. Compost and wastewater were used as inoculum sources to enrich cellulolytic cultures at incubation temperatures 50 ºC and 60ºC. A chemically defined medium was used without complex nutrients such as yeast extract. Four cellulolytic cultures were obtained and their end-products were monitored over an active cellulose degrading period. The compost culture incubated at 50ºC produced the highest concentration of butyrate while the wastewater-derived culture incubated at 60ºC produced the highest ethanol concentration. Optimization of DNA extraction and purification from complex environmental samples such as the compost and wastewater cultures used in this study was also discussed.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,011
Tête enseignante GPT0,199
Écart entre enseignants0,188 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBiofuel production and bioconversion→Travaux en français237 207→