MétaCan
Menu
Retour à la cohorte
Enregistrement W2053495765 · doi:10.1007/s11746-000-0143-0

Lipase‐catalyzed hydrolysis of canola oil in supercritical carbon dioxide

2000· article· en· W2053495765 sur OpenAlexafffund
Karamatollah Rezaei, Feral Temelli

Notice bibliographique

RevueJournal of the American Oil Chemists Society · 2000
Typearticle
Langueen
DomaineEngineering
ThématiquePhase Equilibria and Thermodynamics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNovo NordiskCanola Council of Canada
Mots-clésChemistrySupercritical carbon dioxideHydrolysisSupercritical fluidCanolaChromatographyLipaseCatalysisMonoglycerideOrganic chemistryCarbon dioxideChemical engineeringFood scienceEnzymeFatty acid

Résumé

récupéré en direct d'OpenAlex

Abstract The effect of pressure, temperature, and CO2 flow rale on the extent of conversion and the product composition in the enzyme‐catalyzed hydrolysis of canola oil in supercritical carbon dioxide (SCCO2) was investigated using lipase from Mucor miehei immobilized on macroporous anionic resin (Lipozyme IM). Reactions were carried out in a continuous flow reactor at 10, 24, and 38 MPa and 35 and 55°C. Supercritical fluid chromatography was used to analyze the reaction products. A conversion of 63–67% (triglyceride disappearance) was obtained at 24–38 MPa. Mono‐and diglyceride production was minimum at 10 MPa and 35°C. Monoglyceride production was favored at 24 MPa. The amount of product obtained was higher at 24–38 MPa due to enhanced solubility in SCCO2. Complete hydrolysis of oil should be possible by increasing the enzyme load and/or decreasing the quantity of the oil substrate. There was a drop in triglyceride conversion over a 24‐h reaction time at 38 MPa and 55°C, which may be an indication of loss of enzyme activity. Pressure, temperature, and CO2 flow rate are important parameters to be optimized in the enzyme‐catalyzed hydrolysis of canola oil in SCCO2 to maximize its conversion to high‐value products.

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)0,001
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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,004
Tête enseignante GPT0,203
Écart entre enseignants0,199 · 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

Citations51
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the American Oil Chemists SocietyMême sujetPhase Equilibria and ThermodynamicsTravaux en français237 207