A critical review of multiple alternative pathways for the production of a high-value bioproduct from sugarcane mill byproducts: the case of adipic acid
Notice bibliographique
Résumé
Biobased fuels, chemicals, and materials can replace fossil fuel products and mitigate climate change. Sugarcane mills have the potential to produce a wider range of biobased chemicals in a similar approach to bioethanol production, including adipic acid. Multiple alternative pathways for converting simple sugars into adipic acid have been described, with the potential for integration into a sugar mill. The economics and expected greenhouse gas emissions reductions compared to fossil-based adipic acid were investigated in the present study to identify preferred pathways for implementation in sugarcane biorefineries. Nine biobased pathways for adipic acid production were screened for technical performances, resulting in the selection of four preferred options for rigorous comparison, i.e., direct microbial conversion of sugars, and production via cis,cis-muconic acid, glucaric acid, and glycerol as intermediate, obtained from sugars. The minimum selling prices of adipic acid for an attractive return on investment were determined for these pathways, using either A-molasses or a combination of A-molasses and pretreated sugarcane lignocelluloses in biorefineries designed to be energy-self-sufficient. Adipic acid production from A-molasses via cis,cis-muconic acid was the best overall performing scenario with the lowest minimum selling price of USD 2,538/Mt and lowered greenhouse gas emissions (2,325 g CO2 eq/kg wet) compared to fossil-based adipic acid production. The scenarios with combined A-molasses and lignocellulosic feedstock had increased minimum selling prices by 29 to 101% compared to adipic acid production from A molasses via cis,cis-muconic acid.
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 | 0,008 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».