MétaCan
Menu
Retour à la cohorte
Enregistrement W596446507 · doi:10.1007/s13205-015-0312-7

Optimisation of enzymatic hydrolysis of apple pomace for production of biofuel and biorefinery chemicals using commercial enzymes

2015· article· en· W596446507 sur OpenAlexaff
Repson Gama, J. Susan van Dyk, Brett I. Pletschke

Notice bibliographique

Revue3 Biotech · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesWater Research Commission
Mots-clésBiorefineryPomaceEnzymatic hydrolysisChemistryRaw materialHydrolysisBiofuelSugarYield (engineering)Pulp and paper industryFood scienceEthanol fuelBiotechnologyFermentationBiochemistryOrganic chemistryMaterials scienceBiology

Résumé

récupéré en direct d'OpenAlex

Apple pomace, a waste product from the apple juice industry is a potential feedstock for biofuel and biorefinery chemical production. Optimisation of hydrolysis conditions for apple pomace hydrolysis using Viscozyme L and Celluclast 1.5L was investigated using 1 L reaction volumes. The effects of temperature, pH, β-glucosidase supplementation and substrate feeding regimes were determined. Hydrolysis at room temperature using an unbuffered system gave optimal performance. Reactors in batch mode resulted in a better performance (4.2 g/L glucose and 16.8 g/L reducing sugar, 75 % yield for both) than fed-batch (3.2 g/L glucose and 14.6 g/L reducing sugar, 65.5 and 73.1 % yield respectively) in 72 h. The addition of Novozyme 188 to the core mixture of Viscozyme L and Celluclast 1.5L resulted in the doubling of glucose released. The main products (yield %) released from apple pomace hydrolysis were galacturonic acid (78 %), glucose (75 %), arabinose (90 %) and galactose (87 %). These products are potential raw materials for biofuel and biorefinery chemical 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 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)0,001
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
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,038
Tête enseignante GPT0,252
Écart entre enseignants0,214 · 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

Citations90
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue3 BiotechMême sujetBiofuel production and bioconversionTravaux en français237 207