MétaCan
Menu
Retour à la cohorte
Enregistrement W4399283210 · doi:10.3390/suschem5020010

Sustainable Production of Chitin Nanowhiskers from Crustacean Biomass Using Cost-Effective Ionic Liquids: Strategies to Avoid Byproduct Formation

2024· article· en· W4399283210 sur OpenAlexaff
Alexander S. Shkuratov, Reshma Panackal Shibu, Obste Therasme, Paula Bertón, Julia L. Shamshina

Notice bibliographique

RevueSustainable Chemistry · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanocomposite Films for Food Packaging
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Science Foundation
Mots-clésChitinBiopolymerBiomass (ecology)Thermal stabilityProduction costChemistryPulp and paper industryHydrolysisUltimate tensile strengthChemical engineeringChitosanMaterials scienceWaste managementOrganic chemistryPolymerBiologyEcologyComposite material

Résumé

récupéré en direct d'OpenAlex

Nanochitin, especially in the form of chitin nanowhiskers (ChNWs), represents a significant advance in biopolymer technology due to its high specific surface area, superior tensile strength, and excellent thermal stability. Derived from crustacean waste, which contains 15–40% of chitin, these materials provide a sustainable option that diverts waste from landfills and contributes to environmental conservation. Traditional methods of isolating nanochitin are energy-intensive and generate substantial waste. This study introduces a more sustainable method using inexpensive ionic liquids (ILs) such as [Hmim][HSO4] and [HN222][HSO4], which bypass the costly and destructive steps of traditional procedures. This study also identified the byproduct in IL-mediated chitin hydrolysis reaction as calcium sulfate dihydrate and presented a solution to circumvent the byproduct formation. The effectiveness of the [HN222][HSO4] IL in producing ChNWs from both purified chitin and crustacean biomass was assessed, showing a high yield and maintaining the purity and structural integrity of chitin, thereby demonstrating a significant reduction in the environmental footprint of ChNW production.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,263
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable ChemistryMême sujetNanocomposite Films for Food PackagingTravaux en français237 207