MARC

 008250123s2024        us                              c    eng  d
■001000017160401
■00520250211151011
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798382759081
■035    ▼a(MiAaPQ)AAI30995546
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a660
■1001  ▼aShebek,  Kevin.
■24510▼aComputational  Approaches  for  the  Design  and  Screening  of  Novel  Biopolymers
■260    ▼a[Sl]▼bNorthwestern  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a127  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-11,  Section:  B.
■500    ▼aAdvisor:  Broadbelt,  Linda  J.;Tyo,  Keith  E.  J.
■5021  ▼aThesis  (Ph.D.)--Northwestern  University,  2024.
■520    ▼aReliance  on  polymers  produced  from  traditional  fossil  fuel  feedstocks  has  led  to  an  increase  in  greenhouse  gas  emissions  and  long-lived  waste  in  the  environment.  Biopolymers  offer  an  attractive  solution  to  this  problem  owing  to  their  sustainable  production,  biocompatibility,  biodegradability,  and  tunability.  However,  the  design  space  of  these  polymers  is  vast  and  difficult  to  explore.  In  this  dissertation,  a  high-throughput  computational  screening  method  is  used  to  design  novel  biopolymers  and  pathways  for  their  synthesis.  The  first  portion  of  the  thesis  develops  computational  tools  necessary  to  create  and  analyze  biopolymers.  First,  Pickaxe,  an  automated  reaction  network  generation  tool,  is  developed.  This  tool  utilizes  reaction  rules  to  generate  synthesis  pathways  from  a  set  of  starting  compounds  into  a  novel  set  of  compounds.  The  next  section  of  the  thesis  details  the  development  of  PolyIDRS,  a  machine  learning  prediction  tool  for  polymer  properties.  PolyIDRS  is  the  first  tool  of  its  kind  to  utilize  stereochemistry  in  polymers,  which  is  ubiquitous  in  biopolymers  and  is  essential  for  the  design  of  novel  materials.  In  the  final  portion  of  this  dissertation,  these  tools  are  combined  to  produce  a  computational  workflow  to  identify  novel  polyhydroxyalkanoates,  which  are  an  attractive  biopolymer  target  due  to  their  tunability  and  biodegradability.  Combining  Pickaxe  and  PolyIDRS  allows  for  the  generation  of  novel  biopolymers  to  replace  traditional  polymers  as  well  as  the  design  of  more  sustainable  synthesis  pathways  for  existing  polymers.  Collectively,  this  dissertation  demonstrates  the  utility  of  combining  computational  tools  to  generate  high-throughput  screening  methods  to  discover  the  next  generation  of  biopolymers.
■590    ▼aSchool  code:  0163.
■650  4▼aChemical  engineering
■650  4▼aPolymer  chemistry
■650  4▼aComputational  chemistry
■653    ▼aMachine  learning
■653    ▼aBiopolymers  
■653    ▼aStereochemistry  
■653    ▼aBiodegradability
■653    ▼aSustainable  production
■690    ▼a0542
■690    ▼a0800
■690    ▼a0219
■690    ▼a0495
■71020▼aNorthwestern  University▼bChemical  and  Biological  Engineering.
■7730  ▼tDissertations  Abstracts  International▼g85-11B.
■790    ▼a0163
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17160401▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books