MétaCan
Menu
Retour à la cohorte
Enregistrement W2021640001 · doi:10.1021/jf040286h

Iron Availability from Whey Protein Hydrogels:  An in Vitro Study

2004· article· en· W2021640001 sur OpenAlexaff
Gabriel Remondetto, Erick Beyssac, Muriel Subirade

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2004
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésChemistryDissolutionAbsorption (acoustics)HydrolysisWhey proteinPepsinWhey protein isolateCaco-2ChromatographyBiochemistryIn vitroChemical engineeringEnzymeOrganic chemistryMaterials science

Résumé

récupéré en direct d'OpenAlex

The influence of whey protein hydrogel microstructure, filamentous versus particulate, on iron delivery was studied under different conditions, including simulated gastrointestinal conditions. Experiments were initially conducted to determine the impact of pH and enzymes on iron release. The results show that different iron release profiles can be obtained from filamentous and particulate gels. Particulate gels released more iron than filamentous gels at acidic pH, but the opposite was observed at alkaline pH. In the presence of pepsin at pH 1.2 or pancreatin at pH 7.5, both gel types showed increased protein hydrolysis, but only filamentous gels showed increased iron release, suggesting that matrix structure plays an important role in iron delivery. A dissolution test was carried out under gastrointestinal conditions to mimic the in vivo dissolution process. Filamentous gel released most of its iron during the intestinal phase of a simulated digestion, hence protecting iron during its transit in the gastric zone. Absorption of iron by the Caco-2 system, used to estimate intestinal absorption, revealed that filamentous gels favored intracellular iron absorption. These results suggest that filamentous gels show promise as matrices for transporting iron and promoting its absorption and therefore should be of major interest in the development of innovative functional foods.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,166
Score d'incertitude au seuil0,271

Scores Codex et Gemma par catégorie

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,018
Tête enseignante GPT0,209
Écart entre enseignants0,191 · 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 tête enseignante, 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

Citations110
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetProteins in Food SystemsTravaux en français237 207