Solvent–Less Environmentally Benign Amino Ester, Amide, and Peptide Synthesis Enabled by Resonant Acoustic Mixing
Notice bibliographique
Résumé
The demand for sustainable methods for peptide synthesis grows imperatively with their escalating use in therapeutic and biomedical applications. The cornerstone technology of solid-phase peptide synthesis has unsustainable environmental impact due to high process mass intensity and reliance on hazardous solvents. The reported study presents pioneering use of a resonant acoustic mixer (RAM) for sustainable peptide bond formation at elevated concentration with minimal solvent waste. Effective amide and ester bond formation were achieved rapidly under mild conditions using the RAM in “green” solvents such as ethyl acetate and 1,2-dimethoxyethane (DME), with minimal levels of epimerization. Peptide coupling was systematically studied under various conditions, indicating influences of solvent viscosity and base solubility on conversion efficiency. Comparisons with conventional and ultrasonic stirring confirmed the superiority of resonant acoustic mixing at and above 60 g0 for promoting higher conversions. Assessment in different peptide model systems prone to racemization and fragment couplings confirmed comparable conversion and minimal epimerization to that observed using solution-phase and mechanochemical methods. The RAM approach proved to be robust and scalable providing an environmentally friendly platform for the synthesis of amino esters, amides, and peptides, thereby presenting novel opportunities for the sustainable production of peptide-based therapeutics.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».