MétaCan
Menu
Retour à la cohorte
Enregistrement W4413407379 · doi:10.1016/j.hydromet.2025.106554

Advancements in siderophore-based technologies for metal biorecovery

2025· article· en· W4413407379 sur OpenAlexafffund
Nazanin Bahaloo-Horeh, Farzaneh Sadri

Notice bibliographique

RevueHydrometallurgy · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Extraction and Bioleaching
Établissements canadiensQueen's University
Organismes subventionnairesQueen's University
Mots-clésChemistrySiderophoreBiochemical engineeringEnvironmental chemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

Siderophores are low-molecular-weight, metal-chelating biometabolites that exhibit the ability to bind iron and other metal ions with high selectivity. Over 500 structurally distinct siderophores have been identified, offering diverse coordination mechanisms for potential metal complexation. Recent research has investigated their use in extracting metals from both primary and secondary sources, including ores, mine tailings, electronic waste, and industrial effluents—primarily under laboratory conditions. This review critically examines reported findings across various metal–siderophore systems, evaluating factors such as leaching parameters, synergistic use with co-lixiviants, and integration into hybrid approaches. However, no commercial applications currently exist, and significant economic and technical barriers—particularly high production costs and scalability challenges—limit practical viability. This review aims to consolidate current scientific understanding, highlight existing limitations, and outline realistic future research directions focused on overcoming technical and economic constraints to broader implementation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,414
Score d'incertitude au seuil0,563

Scores Codex et Gemma par catégorie

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 Opus0,009
Tête enseignante GPT0,243
Écart entre enseignants0,233 · 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 tête enseignante, 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

Citations5
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHydrometallurgyMême sujetMetal Extraction and BioleachingTravaux en français237 207