Study of support materials for sol-gel immobilized lipase
Notice bibliographique
Résumé
A variety of support materials for sol-gel immobilized lipase were considered based on their ability to provide superior sol-gel adhesion, load protein, and synthesize methyl oleate. A standard approach was developed to formulate the supported lipase sol-gels and to allow comparison of the resulting hybrid materials. These supported sol-gels are proposed as an alternative immobilization regime to overcome some challenges associated with enzymatic biodiesel production such as enzyme stability and cost. The support materials considered were 6–12 mesh silica gel, Celite® R633, Celite® R632, Celite® R647, anion-exchange resin AG3-X4, and Quartzel® felt. Each support material exhibited unique properties that would be beneficial for this application including: Quartzel® felt had the highest initial sol-gel capacity (62.5 mL/g) and sol-gel adhesion (1100 mg sol-gel/g material); silica gel had the most uniform coating of deposited sol-gel; the anion-exchange resin AG3-X4 supported sol-gel had the highest protein loading (1060 μg lipase/g) and reaction rate [1.25 mM/(min g-material)]; the Celite® support series were the most thermally stable and had the lowest water content; and the Celite® R632 supported lipase sol-gels had the highest 6 h biodiesel conversion per gram of supported material (68%) and enzymatic activity [9.4 mmol/(min g-lipase)]. The supported sol-gels with the highest enzymatic properties (conversion, activity, and reaction rate) were those supported on Celite® R632, anion-exchange resin AG3-X4, and Quartzel®. These supported sol-gels had superior performance in comparison with the unsupported sol-gels. Based on this study, the lipase sol-gel support material with the most potential for biodiesel production is Celite® R632.
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 ».