Investigating the possibility of monitoring lectin levels in commercial soybean meals intended for poultry feeding using steam-heated soybean meal as a model
Notice bibliographique
Résumé
Native soybean lectins (SBL) could potentially have deleterious effects on young animals. The objectives of this study were to determine the optimum processing temperature and time at which SBL is inactivated and to investigate the possibility of using urease activity (UA) to predict residual lectin levels in soybean meal (SBM). Raw defatted SBM was steam-heated at incremental temperatures between 90 and 120 degrees C for 5 to 20 min in an autoclave. The processed meals were subjected to native-PAGE and measurement of total carbohydrate-binding lectin (TCBL), agglutinating lectin (AL), UA, and trypsin inhibitor (TI). Processing severity was evaluated by determining protein solubility in 0.2% potassium hydroxide. Results indicated that levels of all antinutrients (TCBL, AL, UA, and TI) decreased with increasing processing temperature (P < 0.05). The intensity of the lectin band on the electrophoresis gel was considerably reduced when meal was heated at 100 degrees C for 5 min. This result implied that lectin inactivation occurred at 100 degrees C. More than 90% of all the original antinutrient levels in the raw meal were destroyed when meals were heated at 100 degrees C for 5 min. Meals processed at 100 degrees C for 5 to 20 min had protein solubility values (80 to 85%) indicative of adequate processing. The denaturation pattern of UA was highly correlated with that of SBL (r > or = 0.73), indicating that UA could be used for monitoring lectin levels in commercial meals. We concluded that UA of 0.03 to 0.09 units of pH change are indicative of adequately processed meals that contain negligible lectin levels.
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 | 0,002 | 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».