Molecular mechanisms of Fe<sup>2+</sup>‐induced β‐lactoglobulin cold gelation
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
To get more insight into the mechanisms of cold gelation of beta-lactoglobulin (beta-lg), macroscopic and molecular structural changes during Fe(2+)-induced gelation of beta-lg were investigated using Fourier transform-infrared (FTIR) spectroscopy and rheological methods. The FTIR spectroscopy results show that, upon the preheating treatment (first step of gel process), native globular proteins are denatured and aggregated molecules are found in solution. The spectra are similar to those of gels obtained in the second step of the process upon incorporation of Fe, which suggests that aggregated molecules formed during the preheating treatment constitute the structural basis of the aggregation. However, the rheological data show that the aggregation is achieved via two molecular mechanisms, both of which are modulated by the iron concentration. At 30 mM of iron, gel formation is essentially controlled by van der Waals interactions, while at 10 mM of iron, hydrophobic interactions predominate. At the two concentrations, disulfide bonds contribute to gel consolidation, the effect being more pronounced at 10 mM of iron. These mechanisms lead to the formation of gels of different microstructures. At the highest iron concentration, a strong and rapid decrease in the repulsion forces is produced, resulting in random aggregation. At the lowest iron concentration, the iron diminishes the superficial charge of both molecules and aggregated molecules, facilitating the interaction among hydrophobic regions and leading to the growth of the aggregation in the preferential direction and to filamentous gel formation. This study provides a comprehensive view of the different modes of gelation.
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 | 0,000 | 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 découle