MétaCan
Menu
Retour à la cohorte
Enregistrement W2902777116 · doi:10.1039/c8ra07912a

Effects of acylation and glycation treatments on physicochemical and gelation properties of rapeseed protein isolate

2018· article· en· W2902777116 sur OpenAlexaff
Zhigao Wang, Cheng Zhang, Tian Zhang, Xingrong Ju, Rong He

Notice bibliographique

RevueRSC Advances · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensUniversity of TorontoToronto Public Health
Organismes subventionnairesPriority Academic Program Development of Jiangsu Higher Education InstitutionsNational Natural Science Foundation of China
Mots-clésAcylationGlycationRapeseedChemistryLysineOrganic chemistryBiochemistryFood scienceAmino acidCatalysisReceptor

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to improve the gelation property of rapeseed protein isolates (RPI) by means of acylation and glycation. The results showed that acylation and glycation within RPI occurred at Lys, and Lys, Met, Ile, Leu and Pro, respectively. Acylation and glycation both increased the surface hydrophobicity (So) and molecular weight of RPI, and decreased the free sulfhydryl (SH) content of RPI, while acylation resulted in a lower change of So and SH. The conformational structure of modified RPIs was changed, and acylated RPI (acylation degree, 38 ± 0.2%) possessed the highest ordered structure content among the modified RPIs. The thermal stability of the protein was improved after either acylation or glycation treatments. Furthermore, native RPI with moderate modification (low degree of acylation, 38 ± 0.2%) showed an overall improvement in the gelation and gel properties as evidenced by the reduced least gelation concentration and surface roughness, increased water-holding capacity, and better textural properties.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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 recherche0,0000,001
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 Opus0,014
Tête enseignante GPT0,221
Écart entre enseignants0,208 · 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'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

Citations56
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRSC AdvancesMême sujetProteins in Food SystemsTravaux en français237 207