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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 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 ».