MétaCan
Menu
Retour à la cohorte
Enregistrement W4416774943 · doi:10.1002/cjce.70151

A comprehensive review on lignin extraction from lignocellulosic biomass, and nano‐lignin synthesis and modification for potential applications

2025· article· en· W4416774943 sur OpenAlexvenueno aff
Dinesh Verma, Mithilesh Kumar Jha, Sachin Kumar

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueLignin and Wood Chemistry
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLigninExtraction (chemistry)Biomass (ecology)BiodegradationEmulsionLignocellulosic biomassPolymer

Résumé

récupéré en direct d'OpenAlex

Abstract Lignin is the second‐largest natural aromatic polymer available on Earth. It plays a vital role in a plant's structural framework, which gives strength to the plant to sustain when facing adversities, and it also restricts it from being attacked by foreign entities such as insects and microorganisms. With significant properties, including biodegradability and being atoxic, it has immense possibility for high‐value applications such as antimicrobial agents, UV protectors, emulsion stabilizers, dye synthesis via its derivatives, carbon fibre, and biomaterials—lignin extraction from various lignocellulosic biomass (LCB) through different extraction methods. Further, after extraction, lignin is converted into nano‐lignin to broaden its applications through different routes. Due to high functional groups, nano‐lignin has a larger surface area and more reactivity. After nano‐lignin synthesis, it can be further modified through different chemical routes to increase the application area for specific end products. Therefore, this article summarizes the lignin extraction methods and nano‐lignin conversion routes, as well as the modification of lignin for its variety of applications. The article also provides the current technologies and future outlooks in lignin valorization for its potential applications in different fields.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,010
Tête enseignante GPT0,212
Écart entre enseignants0,202 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetLignin and Wood ChemistryTravaux en français237 207