Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen: http://dx.doi.org/10.18419/opus-10821
Autor(en): Eisenkolb, Ina
Jensch, Antje
Eisenkolb, Kerstin
Kramer, Andrei
Buchholz, Patrick C. F.
Pleiss, Jürgen
Spiess, Antje
Radde, Nicole
Titel: Modeling of biocatalytic reactions: a workflow for model calibration, selection, and validation using Bayesian statistics
Erscheinungsdatum: 2019
Dokumentart: Zeitschriftenartikel
Seiten: 13, 7
Erschienen in: AIChE journal 66 (2020), e16866
URI: http://nbn-resolving.de/urn:nbn:de:bsz:93-opus-ds-108383
http://elib.uni-stuttgart.de/handle/11682/10838
http://dx.doi.org/10.18419/opus-10821
ISSN: 1547-5905
Zusammenfassung: We present a workflow for kinetic modeling of biocatalytic reactions which combines methods from Bayesian learning and uncertainty quantification for model calibration, model selection, evaluation, and model reduction in a consistent statistical frame-work. Our workflow is particularly tailored to sparse data settings in which a considerable variability of the parameters remains after the models have been adapted to available data, a ubiquitous problem in many real-world applications. Our workflow is exemplified on an enzyme-catalyzed two-substrate reaction mechanism describing the symmetric carboligation of 3,5-dimethoxy-benzaldehyde to (R)-3,3',5,5'-tetramethoxybenzoin catalyzed by benzaldehyde lyase from Pseudomonas fluorescens. Results indicate a substrate-dependent inactivation of enzyme, which is in accordance with other recent studies.
Enthalten in den Sammlungen:07 Fakultät Konstruktions-, Produktions- und Fahrzeugtechnik

Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat 
Eisenkolbetal_2020_Modeling_of_biocatalytic_reactions.pdfArticle3,6 MBAdobe PDFÖffnen/Anzeigen
Eisenkolbetal_2020_Modeling_of_biocatalytic_reactions_Suppl.pdfSupporting information3,46 MBAdobe PDFÖffnen/Anzeigen


Alle Ressourcen in diesem Repositorium sind urheberrechtlich geschützt.