Optimized continuous hydrogen production by «Enterobacter aerogens» from glycerol-containing waste
Notice bibliographique
Résumé
ABSTRACT Glycerol is the main by-product of biodiesel production. Enterobacter aerogenes has a known ability to convert glycerol (GL) in a fermentative process to yield hydrogen and ethanol. To demonstrate the potential of a continuous fermentative process to valorize crude-glycerol, hydrogen yield was optimized by determining the optimal cultivation conditions in serum bottles, which were then applied to the optimization of the operation of a 3.6-L continuous bioreactor for maximum hydrogen yield. Conditions optimized in bottles were grouped and tested using a Box-Behnken response surface methodology to determine the optimal concentration of inoculum volume (18%), O2 in transfer step (7.5% O2), Na2HPO4 (12 g/L), NH4NO3 (1.5 g/L) and FeSO4.7H2O (6.25 mg/L). Two levels of full factorial design with a middle point were used to optimize the concentration of trace salts including Na2EDTA (3.5 mg/L), CaCl2.2H2O (0 mg/L) and MgSO4.7H2O (200 mg/L) while a parametric study was used to determine the optimal amounts of two phosphate salts (Na2HPO4, KH2PO4). After a scale-up of 30x in batch mode, the optimal operating conditions of the 3.6-L bioreactor (50% working volume) were determined to be: fresh feed rate (0.44 mL/min), liquid recycle ratio (33%), pH (6.4), glycerol concentration (15 g/L), mixing speed (500 rpm), and waste reuse (0%). Using the optimized conditions we demonstrated the stability of the system over time and obtained the highest yields ever reported in CSTR, 0.86 mole hydrogen/mole GL and 0.74 mole ethanol/mole GL, and this at a significantly reduced media cost of $ 0.91 CAD/L (77% lower than previous studies).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».