Elaboration and characterization of barley protein nanoparticles as an oral delivery system for lipophilic bioactive compounds
Notice bibliographique
Résumé
This is the first report in which barley protein nanoparticles were prepared with the aim of developing a delivery system for lipophilic bioactive compounds at ambient temperature using high pressure homogenization. No organic solvents or crosslinking reagents were involved in the nanoparticle preparation. Effects of processing conditions and formulae on particle size and size distribution were investigated. Optimal nanoparticles with regular spherical shape, small size (90-150 nm) and narrow size distribution (PDI < 0.3) could be achieved at a protein weight concentration of up to 5% when the oil/protein ratio was maintained within a range of 1 to 1.5. These nanoparticles exhibited high zeta-potential (about -35 mV), high payload (51.4-54.5%) and good stability without the use of surfactants. As shown by the release test, though the bulk protein matrices of nanoparticles were degraded in the simulated gastric tract, even smaller nanoparticles were released and bioactive compounds were protected by a layer of barley protein. Then, complete release occurred in the simulated intestinal environments due to pancreatin degradation. In vitro studies showed that barley protein nanoparticles are relatively safe and could be internalized by Caco-2 cells and accumulated in the cytoplasm.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 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 ».