MétaCan
Menu
Retour à la cohorte
Enregistrement W2281599114 · doi:10.2174/0929867323666160219115226

Food Proteins as Source of Opioid Peptides-A Review

2016· review· en· W2281599114 sur OpenAlexfundno aff
Swati Garg, Kulmira Nurgali, Vijay Kumar Mishra

Notice bibliographique

RevueCurrent Medicinal Chemistry · 2016
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtein Hydrolysis and Bioactive Peptides
Établissements canadiensnon disponible
Organismes subventionnairesVictoria UniversityUniversity of Victoria
Mots-clésNauseaOpioidMedicineVomitingAddictionDepression (economics)SedationIntensive care medicinePharmacologyAnesthesiaPsychiatryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Traditional opioids, mainly alkaloids, have been used in the clinical management of pain for a number of years but are often associated with numerous side-effects including sedation, dizziness, physical dependence, tolerance, addiction, nausea, vomiting, constipation and respiratory depression which prevent their effective use. Opioid peptides derived from food provide significant advantages as safe and natural alternative due to the possibility of their production using animal and plant proteins as well as comparatively less side-effects. This review aims to discuss the current literature on food-derived opioid peptides focusing on their production, methods of detection, isolation and purification. The need for screening more dietary proteins as a source of novel opioid peptides is emphasized in order to fully understand their potential in pain management either as a drug or as part of diet complementing therapeutic prescription.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,855
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
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 Opus0,031
Tête enseignante GPT0,334
Écart entre enseignants0,303 · 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.

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

Citations48
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Medicinal ChemistryMême sujetProtein Hydrolysis and Bioactive PeptidesTravaux en français237 207