Enzymatic Removal of Diclofenac and Aceclofenac from Water by Soybean Peroxidase
Notice bibliographique
Résumé
Pharmaceuticals are a class of emerging contaminants that have been widely detected in wastewater treatment facilities' influent and effluent. They threaten the environment and non-target life. Thus, a promising treatment method, soybean peroxidase (SBP; EC 1.11.1.7), which catalyzes the oxidation of phenolic and anilino donors in the presence of hydrogen peroxide, was investigated as a treatment method. The aim was to remove two non-steroidal anti-inflammatory drugs, diclofenac (DCF) and aceclofenac (ACF), from synthetic wastewater via enzymatic oxidation, oligomerization, and precipitation. SBP can be extracted from soybean hulls, a byproduct of the soybean industry. DCF (0.10 mM) and ACF (0.10 mM) were amenable to SBP-catalyzed removal under the optimal operational parameters of pH 5 and 4; hydrogen peroxide: 0.40 and 0.45 mM; and minimum effective enzyme concentration: 0.15 and 0.60 U/mL, respectively. The initial first-order rate constant and half-life of each substrate were also determined under the established optimum conditions. Under these optimum conditions, the half-lives for DCF and ACF were 1.43 ± 0.01 and 0.84 ± 0.05 min, respectively. The results demonstrated that SBP is a robust enzyme that can achieve more than 95% removal for both compounds. Mass spectrometric analysis of the enzymatic treatment products of DCF revealed the formation of an oxidative tetramer. The SBP-catalyzed reaction is a highly effective method for removing DCF and ACF from synthetic wastewater, highlighting its potential for environmental cleanup of pharmaceutical contaminants.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».