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 CO 2 flow rale on the extent of conversion and the product composition in the enzyme‐catalyzed hydrolysis of canola oil in supercritical carbon dioxide (SCCO 2 ) 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 SCCO 2 . 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 CO 2 flow rate are important parameters to be optimized in the enzyme‐catalyzed hydrolysis of canola oil in SCCO 2 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,113
Score d'incertitude au seuil0,520

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
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)0,0000,000

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 Opus0,004
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 tête enseignante, 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