Is Chickpea a Potential Substitute for Soybean? Phenolic Bioactives and Potential Health Benefits
Notice bibliographique
Résumé
Legume seeds are rich sources of protein, fiber, and minerals. In addition, their phenolic compounds as secondary metabolites render health benefits beyond basic nutrition. Lowering apolipoprotein B secretion from HepG2 cells and decreasing the level of low-density lipoprotein (LDL)-cholesterol oxidation are mechanisms related to the prevention of cardiovascular diseases (CVD). Likewise, low-level chronic inflammation and related disorders of the immune system are clinical predictors of cardiovascular pathology. Furthermore, DNA-damage signaling and repair are crucial pathways to the etiology of human cancers. Along CVD and cancer, the prevalence of obesity and diabetes is constantly increasing. Screening the ability of polyphenols in inactivating digestive enzymes is a good option in pre-clinical studies. In addition, in vivo studies support the role of polyphenols in the prevention and/or management of diabetes and obesity. Soybean, a well-recognized source of phenolic isoflavones, exerts health benefits by decreasing oxidative stress and inflammation related to the above-mentioned chronic ailments. Similar to soybeans, chickpeas are good sources of nutrients and phenolic compounds, especially isoflavones. This review summarizes the potential of chickpea as a substitute for soybean in terms of health beneficial outcomes. Therefore, this contribution may guide the industry in manufacturing functional foods and/or ingredients by using an undervalued feedstock.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».