Effect of Physicochemical Conditions on Peptide−Peptide Interactions in a Tryptic Hydrolysate of β-Lactoglobulin and Identification of Aggregating Peptides
Notice bibliographique
Résumé
The objective of this study was to characterize the changes in peptide solubility resulting from changing some physicochemical conditions in a tryptic hydrolysate of beta-lactoglobulin (beta-LG). The turbidity (500 nm) of a 1% solution of tryptic peptides was measured at pH 3-10, at 5, 25, and 50 degrees C, in the presence of different salt concentrations (0, 0.5, and 1 M NaCl), in the presence of denaturing and reducing agents (6 M urea, 5% SDS, or 5% beta-mercaptoethanol), and under an electric field (isoelectric focusing). The results reveal an increase in turbidity of the peptide solution at pH 4, but a slight increase in turbidity was also observed at pH 8, which is attributable to peptides linked by disulfide bridges. The effect of temperature and ionic strength on the turbidity occurring at pH 4 indicates that mainly hydrophobic interactions are involved in the aggregation process. The material in the precipitate at pH 4 was identified as the peptides beta-LG 1-8, 15-20, and 41-60 and non-hydrolyzed alpha-lactalbumin. These results suggest that a limited number of peptides are involved in the aggregation process observed at pH 4, some of which having bioactive (beta-LG 15-20, ACE inhibitor, and opioid) or emulsifying properties (beta-LG 41-60). Aggregation of these peptides at acidic pH indicates that a simple acidification step could represent an easy process for isolating peptidic fractions enriched in bioactive or functional peptides.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».