Quantitative structure‐activity relationship study of bitter di‐ and tri‐peptides including relationship with angiotensin I‐converting enzyme inhibitory activity
Notice bibliographique
Résumé
Bitterness represents a major challenge in industrial application of food protein hydrolysates or bioactive peptides and is a major factor that controls the flavor of formulated therapeutic products. The aim of this work was to apply quantitative structure-activity relationship modeling as a tool to determine the type and position of amino acids that contribute to bitterness of di- and tri-peptides. Datasets of bitter di- and tri-peptides were constructed using values from available literature, followed by modeling using partial least square (PLS) regression based on the three z-scores of 20 coded amino acids. Prediction models were validated using cross-validation and permutation tests. Results showed that a single-component model could explain 52 and 50% of the Y variance (bitterness threshold) of bitter di- and tri-peptides, respectively. Using PLS regression coefficients, it was determined that hydrophobic amino acids at the carboxyl-terminus and bulky amino acid residues adjacent to the carboxyl terminal are the major determinants of the intensity of bitterness of di- and tri-peptides. However, there was no significant (p > 0.05) correlation between bitterness of di- and tri-peptides and their angiotensin I-converting enzyme-inhibitory properties.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».