Nutrigenomics of Taste – Impact on Food Preferences and Food Production
Notice bibliographique
Résumé
Food preferences are influenced by a number of factors such as personal experiences, cultural adaptations and perceived health benefits. Taste, however, is the most important determinant of how much a food is liked or disliked. Based on the response to bitter-tasting compounds such as phenylthiocarbamide (PTC) or 6-n-propylthiouracil (PROP), individuals can be classified as supertasters, tasters or nontasters. Sensitivity to bitter-tasting compounds is a genetic trait that has been recognized for more than 70 years. Genetic differences in bitter taste perception may account for individual differences in food preferences. Other factors such as age, sex and ethnicity may also modify the response to bitter-tasting compounds. There are several members of the TAS2R receptor gene family that encode taste receptors on the tongue, and genetic polymorphisms of TAS2R38 have been associated with marked differences in the perception of PTC and PROP. However, the association between TAS2R38 genotypes and aversion to bitter-tasting foods is not clear. Single nucleotide polymorphisms in other taste receptor genes have recently been identified, but their role in bitter taste perception is not known. Establishing a genetic basis for food likes/dislikes may explain, in part, some of the inconsistencies among epidemiologic studies relating diet to risk of chronic diseases. Identifying populations with preferences for particular flavors or foods may lead to the development of novel food products targeted to specific genotypes or ethnic populations.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| 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 | 0,001 | 0,001 |
| 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 ».