MétaCan
Menu
Retour à la cohorte
Enregistrement W2150422026 · doi:10.1002/jsfa.2199

Comparative study of the polypeptide profiles and functional properties of <i>Sinapis alba</i> and <i>Brassica juncea</i> seed meals and protein concentrates

2005· article· en· W2150422026 sur OpenAlexaff
Rotimi E. Aluko, Tara McIntosh, F. Katepa‐Mupondwa

Notice bibliographique

RevueJournal of the Science of Food and Agriculture · 2005
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésBrassicaMealChemistryFood scienceComposition (language)Polyacrylamide gel electrophoresisGel electrophoresisBotanyBiochemistryBiologyEnzyme

Résumé

récupéré en direct d'OpenAlex

Abstract Defatted meals and protein concentrates from six accessions of Sinapis alba and one accession of Brassica juncea mustard seeds were analysed for their polypeptide profile and functional properties. Two types of protein concentrates were prepared using acid‐induced and calcium‐induced protein precipitations. Meals from the S alba seeds had similar polypeptide composition, which was different from that of the B juncea meal. Non‐reducing sodium dodecyl sulfate polyacrylamide gel electrophoresis showed that two of the major polypeptides (50 and 55 kDa) in S alba seeds were susceptible to acid‐induced precipitation but resistant to calcium‐induced precipitation. The B juncea meal proteins were significantly ( p ≤ 0.05) more susceptible to heat coagulation than the S alba meal proteins. Emulsifying activity index was significantly higher ( p ≤ 0.05) in the B juncea meal and protein concentrates when compared with similar products from S alba . It was concluded that the presence of a high‐molecular‐weight (135 kDa) disulfide‐bonded polypeptide could have contributed to the lower emulsifying power of the S alba products when compared with the B juncea proteins that do not have this polypeptide. Copyright © 2005 Society of Chemical Industry

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,125
Score d'incertitude au seuil0,376

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,027
Tête enseignante GPT0,208
Écart entre enseignants0,181 · 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'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

Citations34
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Science of Food and AgricultureMême sujetProteins in Food SystemsTravaux en français237 207