Glycated Beef Protein Hydrolysates as Sources of Bitter Taste Modifiers
Notice bibliographique
Résumé
Being averse to bitter taste is a common phenomenon for humans and other animals, which requires the pharmaceutical and food industries to source compounds that can block bitterness intensity and increase consumer acceptability. In this work, beef protein alcalase hydrolysates (BPAH) and chymotrypsin hydrolysates (BPCH) were reacted with glucose to initiate Maillard reactions that led to the formation of glycated or advanced glycation end products (AGEs), BPAH-AGEs and BPCH-AGEs, respectively. The degree of glycation was higher for the BPAH-AGEs (47–55%) than the BPCH-AGEs (30–38%). Analysis by an electronic tongue instrument showed that BPAH-AGEs and BPCH-AGEs had bitterness scores that were significantly (p < 0.05) less than quinine. The addition of BPAH-AGEs or BPCH-AGEs to quinine led to significant (p < 0.05) reductions (up to 38%) in bitterness intensity of quinine. The use of 3% hydrolysate to react with glucose yielded glycated peptides with a stronger ability to reduce quinine bitterness than when 1% was used. Calcium release from HEK293T cells stably expressing the T2R4 human bitter taste receptor was significantly (p < 0.05) attenuated by BPAH-AGEs (up to 96%) and BPCH-AGEs (up to 92%) when compared to the BPAH (62%) and BPCH (3%) or quinine (0%). We concluded that BPAH-AGEs and BPCH-AGEs may be used as bitter taste blockers to formulate better tasting foods.
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) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».