Technological Insights on Glycerol Valorization into Propanediol through Thermocatalytic and Synthetic Biology Approaches
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 adverse effects of climate change, predominantly propelled by greenhouse gas emissions from fossil fuels, underscore the urgency of seeking sustainable alternatives to fossil fuel use. Amid growing concerns about climate change caused by fossil fuels and petrochemicals, this review focuses on sustainable solutions through the conversion of glycerol into value-added biochemicals. Glycerol, as the main byproduct of biodiesel production, is a particularly attractive chemical due to its potential to be upgraded into value-added building blocks and biochemicals. This review provides a detailed analysis of different thermochemical (catalytic) and synthetic biology (fermentative) pathways for the conversion of glycerol into 1,2-propanediol and 1,3-propanediol, which have proven industrial and commercial applications globally. The synthesis of propanediol from glycerol hydrogenolysis and other catalytic processes using different active metals and acidic oxides is reviewed. The reaction mechanism involved in hydrogenolysis reactions concerning the surface reaction mechanism is systematically discussed. The metabolic activities of promising microorganisms in fermenting glycerol, as the carbon source used to produce propanediol, are illustrated and elaborated. Combining these insights, this review is a comprehensive resource that can foster a better understanding of glycerol transformation into propanediol and its implications for sustainable chemistry and industrial practices. This exploration of alternative methods emphasizes the potential of sustainable approaches to reshape production practices and contribute to climate change mitigation.
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 | 0,000 |
| 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 découle