MétaCan
Menu
Retour à la cohorte
Enregistrement W2114272696 · doi:10.1080/07388550701775901

Effects of Water on Enzyme Performance with an Emphasis on the Reactions in Supercritical Fluids

2007· review· en· W2114272696 sur OpenAlexaff
Karamatollah Rezaei, Ehsan Jenab, Feral Temelli

Notice bibliographique

RevueCritical Reviews in Biotechnology · 2007
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEnzyme Catalysis and Immobilization
Établissements canadiensUniversity of Alberta
Organismes subventionnairesUniversity of Tehran
Mots-clésSupercritical fluidChemistrySolventSolubilityEnzymeSubstrate (aquarium)HydrolysisReaction rateChemical engineeringEnzyme assayEnzyme catalysisOrganic chemistryCatalysis

Résumé

récupéré en direct d'OpenAlex

Enzymes require a certain level of water in their structures in order to maintain their natural conformation, allowing them to deliver their full functionality. Furthermore, as a modifier of the solvent, up to a certain level, water can modify the solvent properties such as polarity/polarizability as well as the solubility of the reactants and the products. In addition, depending on the type of the reaction, water can be a substrate (e.g., in hydrolysis) or a product (e.g., in esterolysis) of the enzymatic reaction, influencing the enzyme turnover in different ways. It is found that regardless of the type of reaction, the functionality of enzyme itself is maximum at an optimum level of water, beyond which the enzyme performance is declined due to the loss in enzyme stability. Furthermore, mass transfer limitations caused by pathway blockage and/or by reduced solubilities of the reactants and/or products can also affect the enzyme performance at higher water levels. Controlling water content of ingoing CO2 and substrates as well as precise management of enzyme support and salt hydrates are important strategies to adjust water level in reaction media, especially in supercritical environments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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 Opus0,036
Tête enseignante GPT0,346
Écart entre enseignants0,309 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations103
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Reviews in BiotechnologyMême sujetEnzyme Catalysis and ImmobilizationTravaux en français237 207