Chemometric Analysis of the Amino Acid Requirements of Antioxidant Food Protein Hydrolysates
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
The contributions of individual amino acid residues or groups of amino acids to antioxidant activities of some food protein hydrolysates were investigated using partial least squares (PLS) regression method. PLS models were computed with amino acid composition and 3-z scale descriptors in the X-matrix and antioxidant activities of the samples in the Y-matrix; models were validated by cross-validation and permutation tests. Based on coefficients of the resulting models, it was observed that sulfur-containing (SCAA), acidic and hydrophobic amino acids had strong positive effects on scavenging of 2,2-diphenyl-1-picrylhydrazyl (DPPH) and H(2)O(2) radicals in addition to ferric reducing antioxidant power. For superoxide radicals, only lysine and leucine showed strong positive contributions while SCAA had strong negative contributions to scavenging by the protein hydrolysates. In contrast, positively-charged amino acids strongly contributed negatively to ferric reducing antioxidant power and scavenging of DPPH and H(2)O(2) radicals. Therefore, food protein hydrolysates containing appropriate amounts of amino acids with strong contribution properties could be potential candidates for use as potent antioxidant agents. We conclude that information presented in this work could support the development of low cost methods that will efficiently generate potent antioxidant peptide mixtures from food proteins without the need for costly peptide purification.
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 | 0,001 | 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 | 0,001 | 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