Efficacy testing of non-oxidizing biocides for polyamide membrane biofouling prevention using a modified CDC biofilm reactor
Notice bibliographique
Résumé
Abstract Biofouling is one of the most challenging obstacles faced by reverse osmosis (RO) membrane systems to supply potable water. Currently, biofouling is imperfectly handled by RO feed water pre-chlorination, which is associated with the production of carcinogenic disinfection by-products. To propose a safer alternative to control biofouling in RO drinking water applications, this study investigates the efficacy of five biocides to prevent and remove Pseudomonas aeruginosa biofilms from RO membranes: 2-methyl-4-isothiazolin-3-one (MIT); 2,2-dibromo-3-nitrilopropionamide (DBNPA); sodium bisulfite (SBS); sodium benzoate (SB); and ethyl lauroyl arginate (LAE). Experiments were conducted on the Center for Disease Control (CDC) Biofilm Reactor (CBR) with biocidal dosing estimated on 96-well microtiter plates. Confocal Scanning Laser Microscopy (CLSM) and Scanning Electron Microscopy (SEM) were used to analyze the biocides' anti-biofilm efficacies under dynamic conditions relative to minimum biofilm inhibitory and eradication concentrations. The results in this study indicated that LAE presented the best anti-biofilm efficacies in treating P. aeruginosa biofilms when compared to all studied biocides; it not only prevented biofilm formation (>98%) but also it effectively removed pre-established biofilms (>99%) from RO membrane coupons. Therefore, due to safety and efficacy, LAE is an excellent candidate for controlling biofouling in drinking water RO membrane systems.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».