MétaCan
Menu
Retour à la cohorte
Enregistrement W1974810494 · doi:10.1177/154411130201300208

I<scp>nteraction of</scp> P<scp>lant</scp> P<scp>olyphenols with</scp> S<scp>alivary</scp> P<scp>roteins</scp>

2002· review· en· W1974810494 sur OpenAlexaff
Anders Bennick

Notice bibliographique

RevueCritical Reviews in Oral Biology & Medicine · 2002
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensCanada Research ChairsUniversity of Toronto
Organismes subventionnairesMedical Research Council
Mots-clésTanninPolyphenolChemistryBiochemistryProlineSalivaProanthocyanidinFood scienceAmino acidAntioxidant

Résumé

récupéré en direct d'OpenAlex

Tannins are polyphenols that occur widespread in plant-based food. They are considered to be part of the plant defense system against environmental stressors. Tannins have a number of effects on animals, including growth-rate depression and inhibition of digestive enzymes. Tannins also have an effect on humans: They are, for example, the cause of byssinosis, a condition that is due to exposure to airborne tannin. Their biological effect is related to the great efficiency by which tannins precipitate proteins, an interaction that occurs by hydrophobic forces and hydrogen bonding. Two groups of salivary proteins, proline-rich proteins and histatins, are highly effective precipitators of tannin, and there is evidence that at least proline-rich proteins act as a first line of defense against tannins, perhaps by precipitating tannins in food and preventing their absorption from the alimentary canal. Proline plays an important role in the interaction of proline-rich proteins with tannins. In contrast, it is primarily basic residues that are responsible for the binding of histatins to tannin. The high concentration of tannin-binding proteins in human saliva may be related to the fruit and vegetable diet of human ancestors.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,060

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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0180,003

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 Opus0,099
Tête enseignante GPT0,364
Écart entre enseignants0,264 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations431
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Reviews in Oral Biology & MedicineMême sujetFermentation and Sensory AnalysisTravaux en français237 207