Protein Oxidation in Processed Meat: Mechanisms and Potential Implications on Human Health
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Processed meats represent a large percentage of muscle foods consumed in the western world. Various processing steps affect the physicochemical properties of the meat, compromise its nutritional components, or produce some compounds that are of health concern. Hence, the impact of oxidation on human health and the aging process and the influence of diet on these harmful reactions are of growing interest. Past decades have seen more focus on lipid oxidation, microbial deterioration, and pathogenicity, as well as production of carcinogenic compounds during meat processing. The oxidation of protein, which is a major component in meat systems, has received less attention. Protein oxidation has been defined as a covalent modification of protein induced either directly by reactive species or indirectly by reaction with secondary by-products of oxidative stress. Not only are these modifications critical for technological and sensory properties of muscle foods, they may have implications on human health and safety when consumed. Cooking, for example, has been observed to increase free radical generation while it also decreases the antioxidant protection systems in meat, both of which contribute to protein oxidation. Many other meat processing techniques, as well as other emerging technologies, may significantly affect protein oxidation and protein overall quality. This paper explores the current understanding of meat processing techniques and their possible effects on the status of protein oxidation and nutritional value, as well as their possible implications on human health.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 | 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 découle