Enzyme Encapsulation in Glycerol–Silicone Membranes for Bioreactions and Biosensors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Efficient enzyme immobilization is one of the main challenges in biocatalysis. Properly immobilized enzymes ensure enzyme reusability and high conversion efficiency of biocatalytic reactions, which ultimately leads to reduction of the process costs and increased sustainability. Here a simple, versatile, and cost-efficient platform technology for physical encapsulation of enzymes within elastomeric membranes is presented. The membranes are obtained by simple mixing of two immiscible liquids, a commercial silicone prepolymer and glycerol, which results in formation of glycerol-in-silicone emulsions. Upon curing of the silicone phase free-standing elastomers are obtained, and the glycerol droplets are randomly dispersed in the silicone matrix. Enzymes are dissolved in the glycerol phase prior to the emulsification process; thus, each glycerol reservoir of the glycerol–silicone membrane becomes a microsize bioreactor. In a simple experiment an enzyme-containing glycerol–silicone membrane was immersed in water with dissolved substrate of a bioreaction. The concentration gradient induces the migration of the substrate to the glycerol reservoirs where it is converted by the enzyme to a product, which is subsequently released from the membrane. In this article the performances of processes involving diffusion and enzymatic reactions within the glycerol–silicone membranes are compared. The glycerol content in the membranes was found to have a significant impact on the reaction rate. This concept was also utilized to create a proof-of-concept elastomeric colorimetric glucose biosensor.
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.
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 découle