Application of Fourier Transform Raman Spectroscopy for Prediction of Bitterness of Peptides
Notice bibliographique
Résumé
The potential application of Fourier transform (FT) Raman spectroscopy to predict the bitterness of peptides was investigated. FT-Raman spectra were measured for the amino acid Phe and 9 synthetic di-, tri-, and tetra peptides composed of Phe, Gly, and Pro. Partial least squares regression (PLS)-1 analysis was applied to correlate the FT-Raman spectra with bitterness intensity values (R(caf) and log 1/T) reported in the literature. Using full cross-validation, Model 1 based on the single spectral data set for the nine peptides yielded a high correlation coefficient for calibration (R = 0.99), but a low correlation coefficient for prediction (R = 0.56). Two models were constructed using the data sets including replicate spectra for the calibrations and were validated using full cross-validation. Using leave-one-sample-set-out calibrations, Model 2, which was developed with the data for the peptides as well as Phe, yielded a low correlation coefficient (R = 0.533) for the prediction of the bitterness, while Model 3 developed with only the peptide data provided better correlation coefficients (R = 0.807 and 0.724 for R(caf) and log 1/T values, respectively). The correlation coefficients for prediction were 0.975 (R(caf) values) and 0.874 (log 1/T values) for Model 4, which was developed using subtracted spectral data (spectra of peptides with higher R(caf) values minus spectra of peptides with lower R(caf) values). Examination of the PLS regression coefficients at wavenumbers most highly correlated with bitterness revealed the importance of hydrophobicity and peptide length on bitterness. This study indicates the potential of FT-Raman spectroscopy as a useful tool for predicting bitterness of peptides and amino acids.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».