Process Optimization of Deep Eutectic Solvent Pretreatment of Coffee Husk Biomass
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The increased processing of coffee beans has generated huge amount of coffee husk, which are improperly disposed. Inappropriate disposal of coffee husk has led to release of toxic compounds to the environment causing serious environmental concerns. To mitigate the impact of improperly disposed coffee husk, it is suggested for valorisation of the coffee husk. Hence, this study has focussed on identifying the potential of coffee husk in maximizing the sugar yield from it which can be converted to value added product. Deep eutectic solvent (DES) involving choline chloride and lactic acid (ChCl:LA) mixed at 1:4 molar ratio was studied to investigate the effect of DES pretreatment on coffee husk to produce reducing sugar in the hydrolysis process. Pretreatment conditions of the biomass were optimized for biomass loading (5-20%, w/w), temperature (70-120 ° C), and duration (60-240 min) using Response Surface Methodology (RSM) for obtaining maximum yield of reducing sugar. The RSM model predicted an optimal pretreatment condition of biomass loading with 20% (w/w), pretreated at 120 ° C for 231.80 min to achieve maximum sugar yield (30.522%). The pretreatment effect on biomass composition was analyzed using the Van Soest method, which showed an increase in the cellulose content along with the hemicellulose removal when compared with the native biomass. Moreover, evaluation of chemical structural changes also confirmed the effectiveness of DES pretreatment. Thus, the current study would illustrate the potential of coffee husk to produce value-added compounds from it.
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.
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 | 0,001 |
| 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 découle