Exploring the promoting mechanisms of bovine serum albumin, lignosulfonate, and polyethylene glycol for lignocellulose saccharification from perspective of molecular interactions with cellulase
Notice bibliographique
Résumé
Bovine serum albumin (BSA), polyethylene glycol (PEG) and lignosulfonate (LS) have been extensively employed as synergistic agents in lignocellulose saccharification. Nevertheless, the promoting mechanisms have not been fully understood and there are a number of controversial opinions existed. All attention has been paid to the interactions between respective additive and substrate. However, rarely attention has been paid to the interactions between additives and enzymes (cellulase from Trichoderma reesei in this investigation). This interaction is actually more important since cellulase interacts with the additives before it contacts with substrate. Therein, Quartz crystal microbalance with dissipation monitoring (QCM-D), surface plasma resonance (SPR) and small angel X-ray scattering (SAXS) were incorporated to study the interaction between enzyme and additives. The results showed synergistic agents have different interaction modes with cellulase. BSA and LS can form complexes with cellulase and the formed complexes prevent them from nonproductive binding by residue lignin; what’s more, the cellulase-BSA complexes improve the hydrolytic capability of pristine enzyme whereas cellulase-LS complexes reduce. PEG prevents the unproductive binding of cellulase to the residual lignin by forming a thin layer that actually acts as a steric hindrance to the residual lignin. This investigation helps us to understand the sophisticated interactions among the components in the complicated enzymatic system, especially the interactions between enzymes and synergistic agents. It will be helpful in the design and utilization of synergistic additives in the lignocellulose biorefinery process as well.
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 ».