How peptide migration and fraction bioactivity are modulated by applied electrical current conditions during electromembrane process separation: A comprehensive machine learning-based peptidomic approach
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
• A comprehensive and unique machine learning-based peptidomic approach. • Electrical current conditions modulate peptide separation and bioactivities. • 1 s/1s polarity reversal intensify the process despite peptides rapid reorientation. • 10 s/1s generates antibacterial recovery fraction and antifungal feed fraction. • The polarization concentration phenomena influence peptides’ selective migration. Industrial wastewaters are significant global concerns due to their environmental impact. Yet, protein-rich wastewaters can be valorized by enzymatic hydrolysis to release bioactive peptides. However, achieving selective molecular differentiation and eventually enhancing peptide bioactivities require costly cascades of membranes. In this study, a complex porcine cruor hydrolysate, containing 150 well-characterized peptides and demonstrating only an antifungal activity, was used as a model solution to evaluate the impact of current modes (continuous electrical current (CC), pulsed electric field (PEF) and polarity reversal (PR)) and the combination of pulse/pause-reversal pulse duration (10 s/1 s and 1 s/1 s) during peptides separation by an electromembrane process. The data analysis was assisted by a machine learning (ML)-based peptidomic approach to identify which of the 45 physicochemical characteristics of the peptides explain migration, or lack thereof, during electrodialysis with filtration membrane, a generic electromembrane process. The results demonstrated, for the first time, that electric current conditions modulate the population of recovered peptides and their associated fraction bioactivities. ML models identified the main features correlated to peptide migration, allowing tentative explanations of the underlying peptide selective migration phenomena. For CC-PEF 10 s/1 s–PR 10 s/1 s, isoelectric point (pI) (importance of 63.1%) and molecular weight (MW) (17.7%) were most important. For PEF 1 s/1 s, pI (53.9%), MW (23%) and GRAVY score (6.2%) played major roles. Finally, for PR 1 s/1 s, MW (82.5%), GRAVY score (5.5%) and tyrosine content (1.1%) were the key features. In addition, CC, PEF 10 s/1 s and PR 10 s/1 s allowed the production of two reusable fractions, an antibacterial recovery fraction and a feed fraction retaining antifungal activity, which aligns with the concept of circular economy.
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 | 0,001 |
| 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 découle