Logo do repositório
 
Publicação

The application of active learning methodologies in the description of the salt effect on the solubility of amino acids

2026Dissertação de mestrado Acesso aberto
Ver registo simples
datacite.subject.fosEngenharia e Tecnologia::Engenharia Química
datacite.subject.sdg09:Indústria, Inovação e Infraestruturas
dc.contributor.advisorAbranches, João Dinis Oliveira
dc.contributor.advisorPinho, Simão
dc.contributor.advisorLeite, Priscilla dos Santos Gaschi
dc.contributor.authorPiske, Christopher Andrey
dc.date.accessioned2026-05-08T15:35:10Z
dc.date.available2026-05-08T15:35:10Z
dc.date.issued2026
dc.description.abstractIn aqueous solutions containing electrolytes, ions influence both the solubility and the stability of biomolecules. However, inconsistencies across published data highlight the need for a critical review. To address this, a database was constructed on the solubility of glycine in electrolyte solutions spanning from 1996 to 2024, and the experimental data were critically evaluated. Gaussian Process (GP) models were implemented to analyze, predict, and validate solubility behavior. The GP model successfully captures salting-in and salting-out trends, along with specific ion effects reported in the literature. It also provides predictive uncertainty estimates that help identify potentially inconsistent data points or sets. This uncertainty-based analysis enables the reconciliation of conflicting datasets and helps prioritize new experimental measurements in regions where data are sparse or less reliable. By applying a data-filtering method that removes experimental points falling outside the uncertainty range of the model, the influence of inconsistent values is reduced. This results in a more robust model fit and improved prediction accuracy. Therefore, the GP establishes a quantitative foundation for consolidating the current knowledge on the solubility of glycine in saline solutions, identifying methodological inconsistencies in the literature.por
dc.description.abstractEm soluções aquosas contendo eletrólitos, os íons influenciam tanto a solubilidade quanto a estabilidade de biomoléculas. No entanto, inconsistências entre dados publicados evidenciam a necessidade de uma revisão crítica. Para abordar essa questão, foi construída uma base de dados sobre a solubilidade da glicina em soluções eletrolíticas abrangendo o período de 1996 a 2024, e os dados experimentais foram avaliados criticamente. Modelos de Processo Gaussiano (GP) foram implementados para analisar, prever e validar o comportamento da solubilidade. O modelo GP captura com sucesso as tendências de salting-in e salting-out, juntamente com os efeitos específicos dos íons relatados na literatura. Ele também fornece estimativas de incerteza preditiva que auxiliam na identificação de pontos ou conjuntos de dados potencialmente inconsistentes. Essa análise baseada em incerteza permite a reconciliação de conjuntos de dados conflitantes e ajuda a priorizar novas medições experimentais em regiões onde os dados são escassos ou menos confiáveis. Ao aplicar um método de filtragem de dados que remove pontos experimentais que se encontram fora da faixa de incerteza do modelo, a influência de valores inconsistentes é reduzida. Isso resulta em um ajuste de modelo mais robusto e em uma melhoria da precisão das previsões. Portanto, o GP estabelece uma base quantitativa para consolidar o conhecimento atual sobre a solubilidade da glicina em soluções salinas, identificando inconsistências metodológicas na literatura.por
dc.description.sponsorshipThis work was developed within the scope of the project CIMO-Centro de Investigação de Montanha, UIDB/00690/2020 (DOI: 10.54499/UIDB/00690/2020), UIDP/00690/2020 (DOI: 10.54499/UIDP/00690/2020); and SusTEC, LA/P/0007/2020 (DOI: 10.54499/LA/P/0007/ 2020), and CICECO-Aveiro Institute of Materials, UIDB/50011/2020 (DOI 10.54499/UIDB/50011/2020), UIDP/50011/2020 (DOI 10.54499/UIDP/50011/2020) & LA/P/0006/2020 (DOI 10.54499/LA/P/0006/2020), all financed by national funds through the FCT/MCTES (PIDDAC). The financial support from IUPAC Project No. 2022-002-2-500 is highly acknowledged.
dc.identifier.tid204299713
dc.identifier.urihttp://hdl.handle.net/10198/36595
dc.language.isoeng
dc.relationMountain Research Center - UIDB/00690/2020
dc.relationAssociate Laboratory for Sustainability and Tecnology in Mountain Regions - LA/P/0007/2020
dc.relationCICECO-Aveiro Institute of Materials
dc.relationLA/P/0006/2020
dc.relationUIDB/50011/2020
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/
dc.subjectElectrolyte solutions
dc.subjectSolubility
dc.subjectGaussian process
dc.subjectUncertainty
dc.subjectData reliability
dc.titleThe application of active learning methodologies in the description of the salt effect on the solubility of amino acids
dc.typemaster thesis
dspace.entity.typePublication
oaire.awardNumberUIDB/00690/2020
oaire.awardNumberLA/P/0007/2020
oaire.awardNumberUIDB/50011/2020
oaire.awardTitleMountain Research Center - UIDB/00690/2020
oaire.awardTitleAssociate Laboratory for Sustainability and Tecnology in Mountain Regions - LA/P/0007/2020
oaire.awardTitleCICECO-Aveiro Institute of Materials
oaire.awardURIinfo:eu-repo/grantAgreement/FCT/6817 - DCRRNI ID/UIDB%2F00690%2F2020/PT
oaire.awardURIinfo:eu-repo/grantAgreement/FCT/6817 - DCRRNI ID/LA%2FP%2F0007%2F2020/PT
oaire.awardURIinfo:eu-repo/grantAgreement/FCT/6817 - DCRRNI ID/UIDB%2F50011%2F2020/PT
oaire.fundingStream6817 - DCRRNI ID
oaire.fundingStream6817 - DCRRNI ID
oaire.fundingStream6817 - DCRRNI ID
project.funder.identifierhttp://doi.org/10.13039/501100001871
project.funder.identifierhttp://doi.org/10.13039/501100001871
project.funder.identifierhttp://doi.org/10.13039/501100001871
project.funder.nameFundação para a Ciência e a Tecnologia
project.funder.nameFundação para a Ciência e a Tecnologia
project.funder.nameFundação para a Ciência e a Tecnologia
relation.isProjectOfPublication29718e93-4989-42bb-bcbc-4daff3870b25
relation.isProjectOfPublication6255046e-bc79-4b82-8884-8b52074b4384
relation.isProjectOfPublication69d98fe9-8fdc-4676-a99e-70bb9e61f8ae
relation.isProjectOfPublication.latestForDiscovery29718e93-4989-42bb-bcbc-4daff3870b25
thesis.degree.nameDissertação de mestrado

Ficheiros

Principais
A mostrar 1 - 1 de 1
Miniatura
Nome:
Christopher Piske.pdf
Tamanho:
3.57 MB
Formato:
Adobe Portable Document Format
Ver/Abrir
Licença
A mostrar 1 - 1 de 1
Miniatura indisponível
Nome:
license.txt
Tamanho:
1.75 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Ver/Abrir

Coleções

ESTiG - Dissertações de Mestrado Alunos