MétaCan
Menu
Retour à la cohorte
Enregistrement W2064793049 · doi:10.1039/c3sm52758a

Effect of gel structure on the gastric digestion of whey protein emulsion gels

2014· article· en· W2064793049 sur OpenAlexaff
Qing Guo, Aiqian Ye, Mita Lad, Douglas G. Dalgleish, Harjinder Singh

Notice bibliographique

RevueSoft Matter · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensUniversity of Guelph
Organismes subventionnairesMicroscopy Imaging Center, University of Bern
Mots-clésEmulsionChemistryChromatographyCoalescence (physics)Particle sizeOil dropletDigestion (alchemy)Whey proteinChemical engineeringProteolysisHydrolysisRheologyMaterials scienceBiochemistryEnzymeComposite material

Résumé

récupéré en direct d'OpenAlex

This study aimed to characterize and determine the disintegration of emulsion gels in a human gastric simulator (HGS) and the physicochemical characteristics of gastric digesta. Using thermal treatment at 90 °C, whey protein emulsion gels with different structures and gel strengths were formed by varying the ionic strength. Simulated boluses of soft (containing 10 mM NaCl) and hard (200 mM NaCl) gels, which had similar particle sizes to those of human subjects, were created for gastric digestion. Soft gels disintegrated faster than hard gels in the HGS. The boluses of both gels gradually disintegrated into particles of size ∼10 μm. With further digestion, the protein matrix of the soft gel particles dissolved, the proteins were disrupted mainly by proteolysis and large quantities of oil droplets were released. In contrast, for the hard gel particles, although all proteins were hydrolysed after 240 min the breakdown of the particles was slow and no oil droplets were released after 300 min. The differences in the breakdown of soft and hard gels in the HGS were attributed to the structures of the emulsion gel, which may result in different sets of peptides in the digestion. In addition, coalescence of the oil droplets was observed only for the soft gel.

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)0,001
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,007
Tête enseignante GPT0,198
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 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

Citations167
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSoft MatterMême sujetProteins in Food SystemsTravaux en français237 207