Optimization of Solid-State Fermentation of Switchgrass Using White-Rot Fungi for Biofuel Production
Notice bibliographique
Résumé
Biological delignification using white-rot fungi is a possible approach in the pretreatment of lignocellulosic biomass. Despite the considerable promise of this low-input, environmentally-friendly pretreatment strategy, its large-scale application is still limited. Therefore, understanding the best combination of factors which affect biological pretreatment and its impact on enzymatic hydrolysis is essential for its commercialization. The present study was conducted to evaluate the impact of fungal pretreatment on the enzymatic digestibility of switchgrass under solid-state fermentation (SSF) using Phanerochaete chrysosporium (PC), Trametes versicolor 52J (Tv 52J), and a mutant strain of Trametes versicolor that is cellobiose dehydrogenase-deficient (Tv m4D). Response surface methodology and analysis of variance (ANOVA) were employed to ascertain the optimum pretreatment conditions and the effects of pretreatment factors on delignification, cellulose loss, and total available carbohydrate (TAC). Pretreatment with Tv m4D gave the highest TAC (73.4%), while the highest delignification (23.6%) was observed in the PC-treated sample. Fermentation temperature significantly affected the response variables for the wild-type fungal strains, while fermentation time was the main significant factor for Tv m4D. The result of enzymatic hydrolysis with fungus-treated switchgrass at optimum pretreatment conditions showed that pretreatment with the white-rot fungi enhanced enzymatic digestibility with wild-type T. versicolor (52J)-treated switchgrass, yielding approximately 64.9% and 74% more total reducing sugar before and after densification, respectively, than the untreated switchgrass sample. Pretreatment using PC and Tv 52J at low severity positively contributed to enzymatic digestibility but resulted in switchgrass pellets with low unit density and tensile strength compared to the pellets from the untreated switchgrass.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».