Techno-economic and environmental assessment of a sugarcane biorefinery: direct and indirect production pathways of biobased adipic acid
Notice bibliographique
Résumé
Adipic acid (ADA) is a highly valuable industrial dicarboxylic acid used largely as a precursor of nylon 6,6 production. It is currently synthesized via a petrochemical process that accounts for over 80% of the global industrial N2O emissions. Biobased ADA offers a cleaner alternative but requires technological advancements in microbe and bioprocess performance to be commercially relevant. An in-depth feasibility analysis was conducted to evaluate two biobased pathways for the production of ADA, modeled as integrated sugarcane biorefineries in Aspen Plus®. The pathways examined were: (1) direct fermentation of sugars to ADA (S1-ADA) and (2) hydrogenation of biobased cis,cis-muconic acid to ADA (S2-ccMA-ADA). The impact of improvements to key bioprocess metrics (product yield, titer, and volumetric productivity) on the minimum selling price and greenhouse gas (GHG) emissions for both pathways was also evaluated in a full-factorial study. S1-ADA demonstrated the highest feasibility potential, achieving minimum selling prices and GHG emissions that were 33.3% and 78.7% lower, respectively, than those of fossil-based production. These results were obtained under conditions of optimal strain performance and bioprocess efficiencies. However, under comparable technological advancements, the best-achievable results for S2-ccMA-ADA indicated a green premium of 13.4% alongside a 68.4% reduction in emissions compared to the fossil-based product. Consequently, the direct biobased pathway (S1-ADA) shows greater potential to compete with and eventually replace its fossil-based counterpart once optimized. This finding highlights the need to prioritize S1-ADA for further biotechnological development.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».