MétaCan
Menu
Retour à la cohorte
Enregistrement W4413872324 · doi:10.18331/brj2025.12.3.4

Distillable amine-based solvents for effective pretreatment of multiple biomass feedstocks

2025· article· en· W4413872324 sur OpenAlexvenueno aff
Xueli Chen, A. S. Krishnamoorthy, Joseph Palasz, Venkataramana R. Pidatala, Yang Tian, Carolina A. Barcelos, Xinyi Zhou, Xihui Kang, Yinglei Han, Chang Dou, Hemant Choudhary, Ning Sun, Eric Sundstrom, Aymerick Eudes, Blake A. Simmons

Notice bibliographique

RevueBiofuel Research Journal · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensnon disponible
Organismes subventionnairesLawrence Berkeley National LaboratoryOffice of Energy EfficiencyBiological and Environmental ResearchU.S. Department of DefenseU.S. Department of EnergyOffice of Energy Efficiency and Renewable EnergyOffice of Science
Mots-clésAmine gas treatingBiomass (ecology)ChemistryBiomass burningEnvironmental sciencePulp and paper industryEnvironmental chemistryOrganic chemistryBiologyEngineeringEcology

Résumé

récupéré en direct d'OpenAlex

Exploring the potential of advanced distillable solvents as efficient biomass pretreatment agents is critical for biorefineries, enhancing fermentable sugar yields while enabling solvent recovery and recycling without suffering significant losses. Here, we employ distillable amine-based solvents for pretreating a wide range of lignocellulosic feedstocks, aiming to facilitate the industrial release of fermentable sugars from diverse feedstocks through enzymatic hydrolysis. Twenty-two diverse feedstocks, sourced from different geographical regions and representing various biomass categories, were surveyed for chemical (mainly carbohydrates and lignin) and lignin (S, G, and H units) profiles. Several solvents, including ethanolamine, ethanolammonium acetate, butylamine, butylammonium acetate, and triethylamine, were tested for the pretreatment of eight selected biomasses. Among these solvents, butylamine emerged as the most effective due to its favorable sugar release, excellent solvent removal rate, and low boiling point, facilitating solvent recovery and recycling. Extending butylamine pretreatment to all 22 feedstocks demonstrated desirable sugar yields and highly efficient solvent removal in the majority of the biomass sources tested. Agricultural residues and their mixtures showed particularly favorable sugar release. Despite minimal changes in cellulose crystallinity, XRD characterization of sorghum, poplar, and pine before and after butylamine pretreatment showed a decrease in intensity and a slight shift of certain peaks, indicating alterations in cellulose structure. Fourier-transform infrared spectroscopy and thermogravimetric analysis analyses suggested disruption of biomass linkages in hemicellulose and lignin, enhancing enzymatic digestibility. Scale-up experiments of the mixed agricultural feedstocks in a 1 L Parr reactor achieved over 90% glucose liberation and more than 99% butylamine removal, highlighting the scalability of the method. The resulting hydrolysates supported the growth of diverse bacterial and fungal strains, indicating downstream compatibility with commercial fermentation processes. This study presents butylamine as an effective, recoverable pretreatment solvent for a wide range of lignocellulosic feedstocks, offering a promising solution to key biorefinery challenges. The demonstrated scalability and compatibility with various biomass types and blends underscore its potential for industrial application, advancing sustainable biofuel and biochemical production.

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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,117
Score d'incertitude au seuil0,433

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,033
Tête enseignante GPT0,326
Écart entre enseignants0,293 · 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

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiofuel Research JournalMême sujetBiofuel production and bioconversionTravaux en français237 207