MétaCan
Menu
Retour à la cohorte
Enregistrement W4408463923 · doi:10.4236/ojapps.2025.153037

Strategies to Enhance Polyhydroxyalkanoate Production from Sugarcane Molasses by <i>Cupriavidus</i> <i>necator</i> 11599

2025· article· en· W4408463923 sur OpenAlexfundno aff
Oceanne Murielle Bohasset Mouho, Yan Song, Affoué Tindo Sylvie Konan, Kouassi Benjamin Yao, Patrick Drogui, R.D. Tyagi

Notice bibliographique

RevueOpen Journal of Applied Sciences · 2025
Typearticle
Langueen
DomaineMaterials Science
Thématiquebiodegradable polymer synthesis and properties
Établissements canadiensnon disponible
Organismes subventionnairesAgence Française de DéveloppementEuropean CommissionInternational Development Research Centre
Mots-clésCupriavidus necatorPolyhydroxyalkanoatesProduction (economics)Food scienceChemistryMathematicsBiologyBacteriaEconomics

Résumé

récupéré en direct d'OpenAlex

The production of polyhydroxyalkanoate (PHA) is an opportunity to gradually replace some plastics produced from fossil resources. The use of agro-industrial waste to produce PHA is one of the most efficient techniques, because the cost of production is high. Molasse is waste from the sugar industry. It has already been transformed into PHA via fermentation. But Cupriavidus necator is unable to produce PHA from raw molasse. So, several authors have tried to overcome this problem by pretreating molasse before production. In this study, fermentation was conducted in a shake-flask with Cupriavidus necator. Three types of pretreatments of molasse were conducted to enhance PHA production: i) sulfuric acid pretreatment; ii) enzymatic pretreatment and iii) pretreatment with activated carbon. Molasse pretreated accumulates up to a maximum PHA content of 64.56, 75.64 and 58.14 wt.% respectively with (15:100) ratio for acid, (15:100) ratio for enzyme and (20:100) ratio for activated carbon. The obtained result showed an enhancement of PHA production from sugarcane molasses.

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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,017
Tête enseignante GPT0,270
Écart entre enseignants0,253 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Journal of Applied SciencesMême sujetbiodegradable polymer synthesis and propertiesTravaux en français237 207