A framework to predict and experimentally evaluate polymer–solute thermodynamic affinity for two‐phase partitioning bioreactor (<scp>TPPB</scp>) applications
Notice bibliographique
Résumé
ABSTRACT BACKGROUND Selection of a polymer for two‐phase partitioning bioreactor (TPPB) applications has previously been limited to heuristic approaches. However, recent interest has focused on first principles' selection methods based on polymer crystallinity, glass transition temperature and polymer–solute thermodynamic affinity. In this work, a framework is proposed to evaluate and predict polymer–solute thermodynamic affinity via the polymer‐phase activity coefficient. RESULTS Polymer screening via thermodynamic affinity was shown to be most effective at very dilute concentrations, where partition coefficients can be estimated using infinite dilution activity coefficients. In the absence of published values, UNIFAC‐vdW‐FV or Flory–Huggins based activity models can provide very good predictions for the polymer‐phase activity coefficient, significantly improving upon previous approaches using Hildebrand and Hansen solubility parameter differences. For non‐dilute systems, however, the activity models failed to consider the full effects of concentration on partition coefficient. Additionally, a reduction in polymer molecular weight resulted in improved partition coefficients, a phenomena well described by the activity models. CONCLUSION Predicting and experimentally quantifying polymer–solute thermodynamic affinity at very dilute concentrations will aid future attempts at TPPB polymer selection. Furthermore, experimental partition coefficient data at a range of operational concentrations will indicate how TPPB effectiveness will change throughout the fermentation course. Finally, reduction of polymer molecular weight to improve solute partitioning should be investigated further for a range of polymers. © 2014 Society of Chemical Industry
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».