MétaCan
Menu
Retour à la cohorte
Enregistrement W2284929535 · doi:10.18331/brj2016.3.2.5

Lipase immobilized on polydopamine-coated magnetite nanoparticles for biodiesel production from soybean oil

2016· article· en· W2284929535 sur OpenAlexvenueno aff
Marcos F. Calegari Andrade, André L.A. Parussulo, Caterina G. C. Marques Netto, Leandro H. Andrade, Henrique E. Toma

Notice bibliographique

RevueBiofuel Research Journal · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEnzyme Catalysis and Immobilization
Établissements canadiensnon disponible
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e TecnológicoFundação de Amparo à Pesquisa do Estado de São Paulo
Mots-clésLipaseMethanolSoybean oilBiodieselTransesterificationBiodiesel productionChemistryMagnetic nanoparticlesYield (engineering)CatalysisImmobilized enzymeNanoparticleOrganic chemistryMaterials scienceEnzymeNanotechnologyFood science

Résumé

récupéré en direct d'OpenAlex

Lipase from Pseudomonas cepacia was covalently attached to magnetite nanoparticles coated with a thin polydopamine film, and employed in the enzymatic conversion of soybean oil into biodiesel, in the presence of methanol. The proposed strategy explored the direct immobilization of the enzyme via Michael addition and aldolic condensation reactions at the catechol rings, with no need of using specific coupling agents. In addition, a larger amount of enzymes could be bound to the magnetic nanoparticles, allowing their efficient recycling with the use of an external magnet. In the biodiesel conversion, the transesterification reaction was carried out directly in soybean oil by the stepwise addition of methanol, in order to circumvent its inactivation effect on the enzyme. A better yield was obtained in relation to the free enzyme, achieving 90% yield at 37 oC. However, the catalysis became gradually less effective after the third cycle, due to its prolonged exposition to the denaturating methanol medium.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,333
Écart entre enseignants0,284 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations71
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiofuel Research JournalMême sujetEnzyme Catalysis and ImmobilizationTravaux en français237 207