MétaCan
Menu
Retour à la cohorte
Enregistrement W2095151919 · doi:10.3390/ijms16059303

The Role of Food Peptides in Lipid Metabolism during Dyslipidemia and Associated Health Conditions

2015· review· en· W2095151919 sur OpenAlexafffund
Chibuike C. Udenigwe, Kirsti Rouvinen‐Watt

Notice bibliographique

RevueInternational Journal of Molecular Sciences · 2015
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtein Hydrolysis and Bioactive Peptides
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDyslipidemiaLipid metabolismBiochemistryNutraceuticalMetabolismBiologyEnzymeFunctional foodPeptideEnterohepatic circulationChemistryEndocrinologyFood science

Résumé

récupéré en direct d'OpenAlex

Animal and human clinical studies have demonstrated the ability of dietary food proteins to modulate endogenous lipid levels during abnormal lipid metabolism (dyslipidemia). Considering the susceptibility of proteins to gastric proteolytic activities, the hypolipidemic functions of proteins are possibly due, in part, to their peptide fragments. Food-derived peptides may directly modulate abnormal lipid metabolism in cell cultures and animal models of dyslipidemia. The peptides are thought to act by perturbing intestinal absorption of dietary cholesterol and enterohepatic bile acid circulation, and by inhibiting lipogenic enzymatic activities and gene expression in hepatocytes and adipocytes. Recent evidence indicates that the hypolipidemic activities of some peptides are due to activation of hepatic lipogenic transcription factors. However, detailed molecular mechanisms and structural requirements of peptides for these activities are yet to be elucidated. As hypolipidemic peptides can be released during enzymatic food processing, future studies can explore the prospects of combating metabolic syndrome and associated complications using peptide-rich functional food and nutraceutical products.

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)0,002
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,951
Score d'incertitude au seuil0,419

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,023
Tête enseignante GPT0,339
Écart entre enseignants0,316 · 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'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations82
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Molecular SciencesMême sujetProtein Hydrolysis and Bioactive PeptidesTravaux en français237 207