Hydrolyzed collagen from porcine lipase‐defatted seabass skin: Antioxidant, fibroblast cell proliferation, and collagen production activities
Notice bibliographique
Résumé
Defatting of seabass skins using porcine pancreas lipase (PPL) at 25 or 50 units/g dry matter) for 1-3 hr at 30ºC was investigated. Treatment of seabass skin with PPL (25 unit/g dry matter) for 3 hr removed 83.81% lipids when compared to 57.27% using isopropanol. Hydrolysis of PPL-treated skin by papain (0.3 unit/g dry matter) (PPL-papain-3 process) at 40ºC for 90 min provided hydrolyzed collagen (HC) with higher yield, α-amino group content, ferric-reducing antioxidant power, and metal chelating activity than other treatments (p < 0.05). There was no difference in fishy odor between HC from PPL-papain-2 and PPL-papain-3 processes (p > 0.05). All the HC (50-250 µg/ml) samples stimulated L929 fibroblast cell proliferation and also induced collagen production in a dose-dependent manner. Also, all HC contained peptides with molecular weight of 406-11,860 Da. Gly and imino acids were dominant amino acids in HC prepared with PPL-papain-3 process. PRACTICAL APPLICATIONS: Seabass skin is a potential raw material for the production of hydrolyzed collagen (HC). However, seabass skin contains a large amount of lipids, including polyunsaturated fatty acids. These unsaturated lipids are oxidized during processing, particularly during hydrolysis at high temperature. This leads to the development of undesirable odor, especially fishy odor. Therefore, seabass skin defatting is an important step for improving the quality of the resulting HC. The use of lipase is an alternative method that can be used to remove lipids in skins without using solvents. HC from defatted skins will contain bioactive peptides and therefore, can be used as a food supplement or for skin nourishment.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».