MétaCan
Menu
Retour à la cohorte
Enregistrement W4409799926 · doi:10.11159/iceptp25.159

Bioflocculant from Leuconostoc pseudomesenteroides for the treatment of waters from the Moche River

2025· article· en· W4409799926 sur OpenAlexvenueno aff
Magaly De La Cruz-Noriega, Luis Cabanillas-Chirinos, Waldo Salvatierra-Espinola, k. Mendoza-Viilanueva

Notice bibliographique

RevueProceedings of the World Congress on Civil, Structural, and Environmental Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueCoal Combustion and Slurry Processing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLeuconostocChemistryFood scienceFermentation

Résumé

récupéré en direct d'OpenAlex

The exponential increase in the contamination of our water resources is alarming.Water is essential for human life, so it is necessary to recover it through ecological treatments, such as bioflocculants.In this context, the present study aimed to evaluate the bioflocculant activity of dextran from Leuconostoc pseudomensenteroides in treating water from the Moche River.For this purpose, sugarcane juice was used and sown on potato sucrose agar (PSA) in a selective medium, where characteristic colonies of the genus Leuconostoc sp. were observed, with a shiny, rubbery appearance.Molecular identification confirmed 100% that it was the Leucnostoc pseudomensenteroides strain.The flocculating activity of dextran was evaluated using doses of 5, 20, and 40 ppm.During the process, a fast speed of 180 rpm and slow speeds of 50 to 70 rpm were applied.In addition, we observed that the maximum flocculation activity was obtained at a pH of 9 and a concentration of 40 ppm of dextran, with a fast-stirring speed of 180 rpm for 5 min and a slow stirring speed of 70 rpm for 15 min.This procedure achieved an 88.0% removal of the turbidity in the waters of the Moche River.

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 enseignants0,003
Score d'incertitude au seuil0,006

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,007
Tête enseignante GPT0,194
Écart entre enseignants0,187 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Civil, Structural, and Environmental EngineeringMême sujetCoal Combustion and Slurry ProcessingTravaux en français237 207