MétaCan
Menu
Retour à la cohorte
Enregistrement W4402699161 · doi:10.1021/acs.iecr.4c01398

Development of Alcalase-Polyacrylonitrile Nanofibrous Biocatalytic Membranes for Protein Hydrolysis

2024· article· en· W4402699161 sur OpenAlexafffund
Aotian Li, Xinyue Wang, Julian T. Dafoe, Trent Chunzhong Yang, Christopher Q. Lan

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEnzyme Catalysis and Immobilization
Établissements canadiensNational Research Council CanadaUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPolyacrylonitrileHydrolysisMembraneChemistryElectrospinningPolymer scienceChemical engineeringPolymer chemistryOrganic chemistryPolymerBiochemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Biocatalytic membranes (BM) combine the benefits of enzymes and membranes and have found a wide variety of applications. This study focused on the development of BM by immobilizing alcalase onto electrospun polyacrylonitrile nanofibrous membranes (PANMs) modified with 1-ethyl-3-(3-dimethylamino-propyl) carbodiimide/ N -hydroxy succinimide through covalent bonding. Scanning electron microscopy and Fourier transform infrared spectroscopy were used to characterize the alcalase-functionalized PAN nanofibrous biocatalytic membrane (PAN-BM). The PAN-BM demonstrated enhanced pH and thermal stability compared to free alcalase. The BM retained 45% of its initial activity after 10 repeated uses under optimum conditions (i.e., 50 °C and pH 9.0). A BM reactor was successfully demonstrated for continuous hydrolysis of model substrate azo-casein (0.5% w/v), with its extent of hydrolysis significantly affected by both the number of layers of PAN-BM and the flux of feed. A five-layer PAN-BM was also successfully tested for continuous hydrolysis of the raw soy proteins (1.4% w/v) extracted from commercial soybean meals, showing a promising potential of application.

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)0,001
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 enseignants0,081
Score d'incertitude au seuil0,668

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,053
Tête enseignante GPT0,316
Écart entre enseignants0,263 · 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

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetEnzyme Catalysis and ImmobilizationTravaux en français237 207