MétaCan
Menu
Retour à la cohorte
Enregistrement W2990403150 · doi:10.1002/eng2.12064

Computational evaluation of the effect of processing on the trypsin and alpha‐amylase inhibitor from Ragi (<scp><i>Eleusine coracana</i></scp>) seed

2019· article· en· W2990403150 sur OpenAlexafffund
Shannon Fenwick, Sai Kranthi Vanga, Andrea DiNardo, Jin Wang, Vijaya Raghavan, Ashutosh Singh

Notice bibliographique

RevueEngineering Reports · 2019
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensMcGill UniversityUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGlobal Affairs Canada
Mots-clésEleusineFinger milletStarchFood scienceAlpha-amylaseTrypsinTrypsin inhibitorChemistryAgronomyBiologyAmylaseBiochemistryEnzyme

Résumé

récupéré en direct d'OpenAlex

Ragi, also known as Finger millet, has been promoted as a healthy alternative to major cereals such as rice and wheat. It is a well‐known source of various minerals, dietary fiber, and a primary source of carbohydrate in parts of Asia and Africa. Ragi is a drought resistant crop, hence, useful for adapting to the current climate change and depleting water resource conditions in various parts of the world. However, the Ragi is known to have poor digestibility, primarily due to the presence of antinutritional compounds like alpha‐amylase and trypsin inhibitor. We have studied temperature, static electric fields (SEFs) and oscillating electric fields (OEFs) to evaluate the secondary structure changes of alpha‐amylase and trypsin inhibitor molecule in Ragi. This was simulated at three temperatures: 300, 343, and 373 K with SEF and OEF at an intensity of 1 V/nm with a frequency of 2.45 GHz (for OEF). STRIDE analysis exhibits various changes in the secondary structure of the protein, especially the loop connecting the alpha helices together. Thermal processing alone has also affected the second alpha helix of the molecule. Overall, the SEFs of 1 V/nm are found to have resulted in the most secondary structure deviations in terms of root mean square deviation and radius of gyration.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,396
Score d'incertitude au seuil0,305

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,218
Écart entre enseignants0,210 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEngineering ReportsMême sujetFood composition and propertiesTravaux en français237 207