Kinetic characterization and modeling of sequentially entrapped enzymes in 3D‐printed PMMA microfluidic reactors for the synthesis of amorphadiene via the isopentenol utilization pathway
Notice bibliographique
Résumé
The development of cascade cell-free systems reduces the requirement for extensive metabolic engineering and optimization to increase in vivo pathway flux. For continuous operation and increased stability, direct enzyme entrapment during reactor fabrication by three-dimensional (3D)-printing allows for simple immobilization procedures without enzyme-specific optimization. In this study, the isopentenol utilization pathway (IUP) was selected for the synthesis of amorphadiene, an antimalaria drug precursor, using a 3D-printed, sequentially immobilized, microfluidic reactor. As an initial proof-of-concept, alkaline phosphatase (ALP) was entrapped in a poly(methyl methacrylate) (PMMA)-based matrix during stereolithographic 3D-printing and was kinetically characterized. No significant shift of the kinetically modeled substrate binding affinity was observed during immobilization and continuous operation of an entrapped ALP microfluidic reactor displayed high stability. The IUP enzymes retained moderate activity during entrapment (6.6%-9.6%) relative to the free enzyme solutions, however the sequentially immobilized IUP microfluidic reactor was severely limited by low pathway flux due to the use of stereolithographic 3D-printing which significantly diluted enzyme concentrations for printing. Although this study demonstrated the use of additive manufacturing for the synthesis of amorphadiene using a complex five-enzyme cascade microfluidic reactor, stereolithographic enzyme entrapment remains limited in scope and dependent on advancements to additive manufacturing technologies.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».