Multi-response and multi-criteria optimization of acid hydrolyzate detoxification of cocoa pod husks: Effect on the content of phenolic compounds and fermentable sugars
Notice bibliographique
Résumé
Dilute acid hydrolysis is the most common and effective method for converting lignocellulosic substrates into fermentable sugars. However, this hydrolysis partially degrades the lignin into phenolic compounds (PC), inhibiting the fermentation medium by retaining it in the hydrolyzate. Response surface methodology is a modeling and optimization technique used to examine the effect of multiple factors on a given response. In this study, shows the removal of PC from cocoa pod husks hydrolyzate, while preserving a considerable level of reducing sugar (RS). An Alkalinization from pH 11 with NaOH, then readjustment of pH to 6 with H 2 SO 4 were first carried out, while eliminating 89.39% of PC and 13.41% of sugars. Then, an optimization of the activated carbon detoxification of the hydrolyzate was carried out by considering the contact time factors (X 1 ), carbon to hydrolyzate ratio (X 2 ) and the agitation speed (X 3 ) in a Box-Behnken plan. The optimal conditions were 60 min of contact, a carbon to hydrolyzate ratio of 1.984% (w/v), and a stirring speed of 180 revolutions per minute (rpm). 0.153 mg/mL of PC and 6.585 mg/mL of RS remained in the hydrolyzate, corresponding to 95.18% of PC and 28.88% of RS lost.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».