How Charge and Triple Size-Selective Membrane Separation of Peptides from Salmon Protein Hydrolysate Orientate their Biological Response on Glucose Uptake
Notice bibliographique
Résumé
The valorization of by-products from natural organic sources is an international priority to respond to environmental and economic challenges. In this context, electrodialysis with filtration membrane (EDFM), a green and ultra-selective process, was used to separate peptides from salmon frame protein hydrolysate. For the first time, the simultaneous separation of peptides by three ultrafiltration membranes of different molecular-weight exclusion limits (50, 20, and 5 kDa) stacked in an electrodialysis system, allowed for the generation of specific cationic and anionic fractions with different molecular weight profiles and bioactivity responses. Significant decreases in peptide recovery, yield, and molecular weight (MW) range were observed in the recovery compartments depending on whether peptides had to cross one, two, or three ultrafiltration membranes. Moreover, the Cationic Recovery Compartment 1 fraction demonstrated the highest increase (42%) in glucose uptake on L6 muscle cells. While, in the anionic configuration, both Anionic Recovery Compartment 2 and Anionic Recovery Compartment 3 fractions presented a glucose uptake response in basal condition similar to the insulin control. Furthermore, Cationic Recovery Compartment 3 was found to contain inhibitory peptides. Finally, LC-MS analyses of the bioassay-guided bioactive fractions allowed us to identify 11 peptides from salmon by-products that are potentially responsible for the glucose uptake improvement.
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 | 0,001 | 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 ».