Regioselective synthesis of feruloylated glycosides using the feruloyl esterases expressed in selected commercial multi-enzymatic preparations as biocatalysts
Notice bibliographique
Résumé
Twenty multi-enzymatic preparations were evaluated for their levels of feruloyl esterase activity and their substrate specificity using methyl ferulate and isolated feruloylated non-digestible oligosaccharides from sugar-beet pulp and wheat bran as substrates. The efficiency of feruloyl esterases expressed in the six best multi-enzymatic preparations from Bacillus spp. (Ceremix), Humicola insolens (Depol 740), Aspergillus oryzae (Flavourzyme), Bacillus amyloliquefaciens (Multifect P 3000), Bacillus subtilis (RP-1) and Trichoderma reesei (Depol 670) for the synthesis of feruloylated glycosides was investigated using a surfactant-less organic microemulsion system as reaction medium. Using n-hexane, 1-butanol and MES (3-(N-morpholino)ethanesulfonic acid)–NaOH buffer reaction mixture (51:46:3 v/v/v), feruloyl esterases expressed in Multifect P 3000 resulted in the highest bioconversion yield of feruloylated arabinose (37%), whereas those present in Depol 670 led to the highest bioconversion yield of feruloylated galactose (61%). The highest bioconversion yield of feruloylated xylose (37%) was obtained using the feruloyl esterase of Depol 670 as biocatalyst in n-hexane, 2-butanone and MES–NaOH buffer reaction mixture (51:46:3 v/v/v). Feruloylated arabinose, galactose and xylose demonstrated potential antioxidant properties as indicated by their profound radical scavenging activity. The chemical structure of the feruloylated glycosides was confirmed by APCI-MS.
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 | 0,001 |
| 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 ».