Chemicals from agricultural biomass: chemoenzymatic approach for production of vinylphenols and polyvinylphenols from phenolic acids
Notice bibliographique
Résumé
Abstract A two-step chemoenzymatic process for the preparation of polyvinylphenols from phenolic acids (PAs), being abundant aromatic constituents found in agricultural biomass, was developed. In the first step, conversion of 4-hydroxycinnamic acid derivatives to the corresponding vinylphenols, mediated by a recombinant phenolic acid decarboxylase, was evaluated using a variety of bioprocessing technologies that include biphasic whole cell and cell free extract biotransformations, a combination of biocatalyst with adsorbent resins for in situ product recovery, and fixed bed reactors using immobilized whole cells. The best yield (90%) with a high space time yield of 4.83 g/l/h was the result of a combination of crude enzyme extracts of the recombinant Escherichia coli ( E. coli ) with water immiscible organic solvents such as toluene. In the second step, cationic and radical polymerizations were tested to produce polyvinylguaiacol (PVG) from vinyl phenols. Characterization of PVG by thermogravimetric analysis (TGA), differential scanning calorimetry (DSC) and nanoindentation test are reported here for the first time. The feasibility of the chemoenzymatic process for the production of aromatic polymers from biomass was demonstrated by the production of polymers from a mixture of ferulic acid (FA) and p -coumaric acid ( p CA), obtained from alkaline hydrolysis of corn bran. Interestingly, nanoindentation tests showed that both PVG and “mixed” PVG polymers showed significantly higher performances than a commercial polystyrene polymer.
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 | 0,000 |
| 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 ».