Genetic engineering approach to address microplastic environmental pollution: a review
Notice bibliographique
Résumé
Polymeric materials have desirable chemical and physical properties, leading to a wide range of applications in consumer industries. However, such properties, which include high hydrophobicity, crystallinity, strong chemical bonds and high molecular weight, inhibit natural biodegradation of plastics by wild-type microbes. This has led to the accumulation of microplastics and nanoplastics in the environment, which is projected to be 12 000 million metric t by the year 2050. Such accumulation bears serious health side effects on both terrestrial and marine ecosystems. Current methods used to control microplastics in the environment have proved inadequate due to high plastic production and extensive uses. Biological methods of controlling plastic pollution, which involve enzymes from various microbes, have emerged as an efficient, eco-friendly and sustainable alternative to plastic treatment and recycling. However, naturally occurring plastic-biodegrading enzymes possess limited biodegradation capacity due to low thermostability and biocatalytic activities, thus limiting large-scale applications. This review focuses on leveraged protein enzyme genetic engineering techniques intended to improve the catalytic performance of putative plastic-biodegrading enzymes and production of environmentally friendly bioplastics from natural fibres as a substitute for synthetic petroleum-based plastics. Genetically modified plastic-degrading enzymes possess boosted substrate interaction, increased hydrophobicity, better catalytic efficiency, increased thermostability and optimised plastic biodegradability.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».