Selecting polymers for two‐phase partitioning bioreactors ( <scp>TPPB</scp> s): Consideration of thermodynamic affinity, crystallinity, and glass transition temperature
Notice bibliographique
Résumé
Two-phase partitioning bioreactor technology involves the use of a secondary immiscible phase to lower the concentration of cytotoxic solutes in the fermentation broth to subinhibitory levels. Although polymeric absorbents have attracted recent interest due to their low cost and biocompatibility, material selection requires the consideration of properties beyond those of small molecule absorbents (i.e., immiscible organic solvents). These include a polymer's (1) thermodynamic affinity for the target compound, (2) degree of crystallinity (wc ), and (3) glass transition temperature (Tg ). We have examined the capability of three thermodynamic models to predict the partition coefficient (PC) for n-butyric acid, a fermentation product, in 15 polymers. Whereas PC predictions for amorphous materials had an average absolute deviation (AAD) of ≥16%, predictions for semicrystalline polymers were less accurate (AAD ≥ 30%). Prediction errors were associated with uncertainties in determining the degree of crystallinity within a polymer and the effect of absorbed water on n-butyric acid partitioning. Further complications were found to arise for semicrystalline polymers, wherein strongly interacting solutes increased the polymer's absorptive capacity by actually dissolving the crystalline fraction. Finally, we determined that diffusion limitations may occur for polymers operating near their Tg , and that the Tg can be reduced by plasticization by water and/or solute. This study has demonstrated the impact of basic material properties that affects the performance of polymers as sequestering phases in TPPBs, and reflects the additional complexity of polymers that must be taken into account in material selection.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 tête enseignante, 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 ».