MétaCan
Menu
Retour à la cohorte
Enregistrement W2796206875 · doi:10.1039/c8tb00313k

Controlling enzyme function through immobilisation on graphene, graphene derivatives and other two dimensional nanomaterials

2018· article· en· W2796206875 sur OpenAlexaff
Tejaswini Rama Bangalore Ramakrishna, Tim D. Nalder, Wenrong Yang, Susan N. Marshall, Colin J. Barrow

Notice bibliographique

RevueJournal of Materials Chemistry B · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueGraphene and Nanomaterials Applications
Établissements canadiensGrieg Seafood (Canada)
Organismes subventionnairesMinistry of Business, Innovation and EmploymentDeakin UniversityAustralian Research CouncilNew Zealand Institute for Plant and Food Research Limited
Mots-clésGrapheneNanomaterialsMaterials scienceNanotechnologyFunction (biology)Biology

Résumé

récupéré en direct d'OpenAlex

Robust enzyme immobilisation methods that preserve enzyme activity while enabling enzymes to be recovered and reused multiple times have important applications in biocatalysis. However, immobilisation can change the functionality of enzymes, both in terms of their level of activity and their selectivity. These changes in activity are unpredictable and at present cannot be controlled, but if fully understood at a fundamental level could offer the opportunity to create highly targetted enzyme systems for specific applications. In this review, we will highlight the use of two dimensional nanomaterials (2D NMs), particularly graphene and its derivatives, as immobilisation materials to modify and control the selectivity and activity of various enzymes. The fundamental information obtained from immobilising enzymes on 2D NMs allows for the implementation of improved immobilisation strategies and assists in the design of next generation nano- and macro-materials for enzyme immobilisation. We hope that this review will highlight the potential for tailoring enzyme activity and selectivity through immobilisation.

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 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 enseignants0,006
Score d'incertitude au seuil0,853

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)0,0010,000

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 Opus0,012
Tête enseignante GPT0,231
Écart entre enseignants0,219 · 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.

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

Citations69
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Chemistry BMême sujetGraphene and Nanomaterials ApplicationsTravaux en français237 207