Formation and Stability of Pea Proteins Nanoparticles Using Ethanol-Induced Desolvation
Notice bibliographique
Résumé
Protein nanoparticles have recently found a lot of interests due to their unique physicochemical properties and structure-functionality compared to the conventional proteins. The aim of this research was to synthesize pea protein nanoparticles (PPN) using ethanol-induced desolvation, to determine the changes in secondary structures and the particle stability in an aqueous dispersion. The nanoparticles were prepared by diluting 3.0 wt% pea protein solutions in 1-5 times ethanol at pH 3 and 10 at different temperatures. Higher ratios of ethanol caused greater extent of desolvation and larger sizes of PPN. After homogenization at 5000 psi for 5 min, PPN displayed uniform size distribution with a smaller size and higher zeta potential at pH 10 compared to pH 3. PPN prepared from a preliminary thermal treatment at 95 °C revealed a smaller size than those synthesized at 25 °C. Electron microscopy showed roughly spherical shape and extensively aggregated state of the nanoparticles. Addition of ethanol caused a reduction in β-sheets and an increase in α-helices and random coil structures of the proteins. When PPN were separated from ethanol and re-dispersed in deionized water (pH 7), they were stable over four weeks, although some solubilization of proteins leading to a loss in particle size was observed.
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) | 0,000 | 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 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 ».