MétaCan
Menu
Retour à la cohorte
Enregistrement W2490275420 · doi:10.1021/bk-2003-0856.ch019

Ionic Liquids Create New Opportunities for Nonaqueous Biocatalysis with Polar Substrates: Acylation of Glucose and Ascorbic Acid

2003· book-chapter· en· W2490275420 sur OpenAlexaff
Seongsoon Park, Fredrik Viklund, Karl Hult, Romas J. Kazlauskas

Notice bibliographique

RevueACS symposium series · 2003
Typebook-chapter
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEnzyme Catalysis and Immobilization
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésIonic liquidLipaseChemistryAcylationBiocatalysisOrganic chemistryCatalysisAlkylEnzyme

Résumé

récupéré en direct d'OpenAlex

Lipase-catalyzed reactions of polar substrates are inefficient in organic solvents. Nonpolar organic solvents do not dissolve polar substrates, while polar organic solvents inactivate lipases. Ionic liquids such as 1-alkyl-3-methyl imidazolium tetrafluoroborate are as polar as N-methyl formamide or methanol, but, unlike these solvents, ionic liquids do not inactivate lipases. This unusual feature creates opportunities for nonaqueous biocatalysis with polar substrates. First, we describe a simple purification involving filtration through silica gel, which yields ionic liquids that work reliably as solvents in lipase-catalyzed reactions. Next, we report two examples that exploit these unique advantages of ionic liquids. First, lipase-catalyzed acetylation of glucose was up to twelve times more regioselective in ionic liquids than in acetone. Second, lipase catalyzed the acylation of ascorbic acid to make fat-soluble antioxidants. In some cases, reactions in ionic liquids were comparable or slower than in tert-amyl alcohol, but in typical cases, the reactions in ionic liquids were twice as fast and proceeded to higher conversion. Ionic liquids also offer the possibility to use vacuum to remove water formed by the esterification and drive the equilibrium even further toward product.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,312
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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 Opus0,018
Tête enseignante GPT0,216
Écart entre enseignants0,198 · 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 tête enseignante, pas un consensus.

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

Citations20
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS symposium seriesMême sujetEnzyme Catalysis and ImmobilizationTravaux en français237 207