MétaCan
Menu
Retour à la cohorte
Enregistrement W1690697493 · doi:10.1016/j.jff.2015.09.023

Effect of ultrasound pre-treatment on formation of transglutaminase-catalysed soy protein hydrogel as a riboflavin vehicle for functional foods

2015· article· en· W1690697493 sur OpenAlexafffund
Hao Hu, Xinrong Zhu, Tan H, Imelda W.Y. Cheung, Siyi Pan, Eunice C.Y. Li‐Chan

Notice bibliographique

RevueJournal of Functional Foods · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNatural Science Foundation of Hubei ProvinceNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésTissue transglutaminaseRiboflavinSoy proteinChemistryLysineFood scienceCovalent bondSelf-healing hydrogelsBiochemistryEnzymeBiophysicsPolymer chemistryOrganic chemistryAmino acidBiology

Résumé

récupéré en direct d'OpenAlex

High intensity ultrasound (HIU) treated soy protein isolate (SPI) and non-HIU-treated SPI were cross-linked by transglutaminase to form hydrogels. SDS-PAGE showed that HIU increased the amount of high molecular weight aggregates, likely due to the formation of ε-(γ-glutamyl) lysine bonds. Moreover, HIU pretreatment increased the hydrophobic nature of transglutaminase gels as demonstrated by FT-Raman. HIU changed the 3D-network structure of transglutaminase induced SPI gel with riboflavin (TSGR). Furthermore, 40 min HIU increased gel yield, riboflavin encapsulation efficiency and gel strength of TSGR. HIU decreased swelling and protein erosion of TSGR in simulated gastrointestinal fluids. It also resulted in reduced riboflavin release rate and altered the release mechanism in simulated gastrointestinal fluids both in the absence and presence of digestive enzymes. In conclusion, HIU may facilitate covalent cross-linking, increase hydrophobicity and change the 3D network of TSGR, leading to differences in hydrogel stability, as well as riboflavin encapsulation and release profiles.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,271
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations115
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Functional FoodsMême sujetProteins in Food SystemsTravaux en français237 207