MétaCan
Menu
Retour à la cohorte
Enregistrement W2592833516 · doi:10.1111/ijfs.13386

Structure, composition and functional properties of storage proteins extracted from bambara groundnut (<i>Vigna subterranea</i>) landraces

2017· article· en· W2592833516 sur OpenAlexafffund
Abimbola Kemisola Arise, Ifeanyi D. Nwachukwu, Rotimi E. Aluko, Eric O. Amonsou

Notice bibliographique

RevueInternational Journal of Food Science & Technology · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAfrican Union CommissionNational Research Foundation
Mots-clésVicilinStorage proteinVignaLegumeChemistryComposition (language)Protein isolateFood scienceProtein secondary structureBotanyBiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Bambara groundnut is a protein‐rich traditional legume. In this study, storage proteins were isolated from three bambara landraces. Bambara protein revealed four major protein bands: one broad band at 55 kDa, two medium bands at 62 kDa and 80 kDa and a high molecular weight (HMW) protein at 141 kDa. The vicilin (7S) subunits with molecular weight of 55 kDa and 62 kDa were major fractions in bambara storage proteins. Bambara proteins showed two endothermic peaks ranging from 64 to 69 °C and 76 to 90 °C, respectively. Bambara protein isolates had well‐defined tertiary and secondary structures, respectively, at pH 3.0, and this well‐defined structure decreased slightly at higher pH values. The isolates revealed a strong secondary structure dominated by α‐helical conformation. Foaming capacities of bambara proteins were dependent on pH with maximum percentage FC observed at pH 3.0, while the emulsion activity increased with increasing pH for all the isolates. Vicilin (7S) fraction seems to be the major storage protein fraction of bambara. Bambara proteins could serve as excellent ingredients for the formulation of food foams and emulsions.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,037
Tête enseignante GPT0,239
Écart entre enseignants0,202 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations47
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Food Science & TechnologyMême sujetProteins in Food SystemsTravaux en français237 207