MétaCan
Menu
Retour à la cohorte
Enregistrement W2006316219 · doi:10.1002/mnfr.201200592

What makes protein indigestible from tissue‐related, cellular, and molecular aspects?

2013· article· en· W2006316219 sur OpenAlexafffund
P.M. Becker, Peiqiang Yu

Notice bibliographique

RevueMolecular Nutrition & Food Research · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePhytase and its Applications
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaBeef Cattle Research Council
Mots-clésDigestion (alchemy)BiochemistryFermentationProteolytic enzymesChemistryYeastOrganelleRaw materialEnzymeBiologyFood scienceChromatography

Résumé

récupéré en direct d'OpenAlex

This paper gives an insight into key factors, which impair enzymatic protein digestion. By nature, some proteins in raw products are already poorly digestible because of structural peculiarities, or due to their occurrence in plant cytoplasmic organelles or in cell membranes. In plant-based protein, molecular and structural changes can be induced by genetic engineering, even if protein is not a target compound class of the genetic modification. Other proteins only become difficult to digest due to changes that occur during the processing of proteinaceous products, such as extruding, boiling, or acidic or alkaline treatment. The utilization of proteinaceous raw materials in industrial fermentations can also have negative impacts on protein digestibility, when reused as fermentation by-products for animal nutrition, such as brewers' grains. After consumption, protein digestion can be impeded in the intestine by the presence of antinutritional factors, which are ingested together with the food or feedstuff. It is concluded that the encircling matrix, but also molecular, chemical, and structural peculiarities or modifications to amino acids and proteins obstruct protein digestion by common proteolytic enzymes in humans and animals.

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: aucune
Score de désaccord entre enseignants0,002
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)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,002
Communication savante0,0020,002
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,030
Tête enseignante GPT0,271
Écart entre enseignants0,241 · 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

Citations88
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMolecular Nutrition & Food ResearchMême sujetPhytase and its ApplicationsTravaux en français237 207