MétaCan
Menu
Retour à la cohorte
Enregistrement W4360843124 · doi:10.1016/j.sandf.2023.101300

Extraction of crude soybean urease using ethanol and its effect on soil cementation

2023· article· en· W4360843124 sur OpenAlexfundno aff
Hanjiang Lai, Mingjuan Cui, Shifan Wu, Yang Yang, Jian Chu

Notice bibliographique

RevueSOILS AND FOUNDATIONS · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicrobial Applications in Construction Materials
Établissements canadiensnon disponible
Organismes subventionnairesNatural Science Foundation of Fujian ProvinceSingapore Maritime InstituteNational Natural Science Foundation of ChinaMinistry of National Development - SingaporeMinistry of Education - SingaporeMinistry of Natural Resources
Mots-clésUreaseChemistryCementation (geology)Extraction (chemistry)Distilled waterEthanolChromatographyNuclear chemistryBiochemistryEnzymeMaterials scienceMetallurgyCement

Résumé

récupéré en direct d'OpenAlex

One nature-based soil improvement method is the Enzyme Induced Carbonate Precipitation (EICP) approach using the crude soybean urease solution. This study aims to investigate the extraction of soybean urease using different contents of ethanol, and its effect on the cementation of EICP-treated sand. Crude urease enzyme was extracted from the soybean powder using the grinding-extraction method with distilled water containing ethanol. The activity of crude soybean urease extracted with various ethanol contents was studied. Sand columns treated using the crude soybean urease were tested to evaluate the calcium carbonate precipitation and unconfined compressive strength. The test results show that the proposed extraction method using ethanol can produce clearer crude urease solution from soybean powder. The urease activity and turbidity of the extracted urease enzyme solution are highly dependent on the content of ethanol, with the optimal ethanol content of 20%∼30% (v/v) for the preparation of 100 g/L crude soybean urease solution. The extracted relatively clear urease solution contributes to improve the uniformity of calcium carbonate distribution and thus the strength of the EICP-treated sand column.

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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,030
Tête enseignante GPT0,318
Écart entre enseignants0,288 · 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

Citations35
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSOILS AND FOUNDATIONSMême sujetMicrobial Applications in Construction MaterialsTravaux en français237 207