Enzymatic digestibility of lignocellulosic wood biomass: Effect of enzyme treatment in supercritical carbon dioxide and biomass pretreatment
Notice bibliographique
Résumé
Energy and resource intensive mechanical and chemical pretreatment along with the use of hazardous chemicals are major bottlenecks in widespread lignocellulosic biomass utilization. Herein, the study investigated different pretreatment methods on spruce wood namely supercritical CO 2 (scCO 2 ) pretreatment, ultrasound-assisted alkaline pretreatment, and acetosolv pulping-alkaline hydrogen peroxide bleaching, to enhance the enzymatic digestibility of wood using optimized enzyme cocktail. Also, the effect of scCO 2 pretreatment on enzyme cocktail was investigated after optimizing the concentration and temperature of cellulolytic enzymes. The impact of scCO 2 and ultrasound-assisted alkaline pretreatments of wood were insignificant for the enzymatic digestibility, and acetosolv pulping-alkaline hydrogen peroxide bleaching was the most effective pretreatment that showed the release of total reducing sugar yield (TRS) of ∼95.0 wt% of total hydrolyzable sugars (THS) in enzymatic hydrolysis. The optimized enzyme cocktail showed higher yield than individual enzymes with degree of synergism 1.34 among the enzymes, and scCO 2 pretreatment of cocktail for 0.5–1.0 h at 10.0–22.0 MPa and 38.0–54.0 °C had insignificant effect on the enzyme's primary and global secondary structure of cocktail and its activity.
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 ».