Efficient removal of emulsified oil from water by lipase functionalized bio-catalytic graphene oxide sponges
Notice bibliographique
Résumé
Conventional water treatment methods struggle to tackle the oil contamination in the form of resilient emulsified droplets, measuring less than 20 μm in wastewater, due to their robust stability. The absence of economically feasible technologies capable of managing these small oil droplets leads to their prolonged existence in water, causing drastic impact on marine life, ecosystem, and public health. As such, there is an urgent need for advanced technologies capable of efficiently removing emulsified oil droplets with minimal residue. The main reason for emulsion stability is the interaction between surfactants and the oil–water interfaces. In this study, we biologically degraded surfactants to disrupt the interfacial layer between water and oil droplets, ultimately leading to destabilizing the highly stable emulsions. We combined the biocatalytic activity of lipase with the high adsorption capacity of reduced graphene oxide (rGO) to treat highly stable emulsified oil. Lipase activity was enhanced after being immobilized on the hydrophobic rGO sponges, compared to its free form, due to the enzyme structural changes. Our results demonstrate that the immobilized lipase effectively degraded the emulsion stabilizer (Tween 20), while the generated metabolites and combined oil droplets were adsorbed by the highly adsorptive rGO sponges. These synergistic mechanisms resulted in more than 96 % removal of emulsified crude oil.
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 ».