Nutritional properties of pea protein‐enriched flour treated with different proteases to varying degrees of hydrolysis
Notice bibliographique
Résumé
Abstract Background and objectives Pulses are a good source of protein; however, they contain phytochemicals that can negatively affect the protein quality. Enzymatic hydrolysis could be a means to enhance the nutritional value of pea by improving the digestibility of the protein. To this aim, a commercial air‐classified pea protein‐enriched flour (PPEF) was hydrolyzed by different proteases (trypsin, Savinase, papain, and pepsin) to different degrees of hydrolysis (DH 2%–4% and 10%–12%) and levels of phytochemicals and in vitro protein digestibility corrected amino acid score were examined. Findings Protease treatments reduced the contents of condensed tannins and total phenolics, as well as trypsin inhibitor and chymotrypsin inhibitor activities. Hydrolysis at 10%–12% DH (degrees of hydrolysis) improved the amino acid score of the PPEF, but it was still limiting sulfur amino acids, whereas low levels of hydrolysis (DH 2%–4%) decreased the amino acid score. The in vitro protein digestibility score increased slightly following hydrolysis, with the greatest improvement in digestibility occurring with the papain treatment (DH 10%–12%). The in vitro protein digestibility corrected amino acid score with trypsin hydrolysis at DH 2%–4% was the lowest at 59.17%, whereas pepsin hydrolysis (10%–12% DH) gave the highest score (72.89%). Conclusions Specific hydrolysis treatments could be used to improve the overall nutrition of PPEF, enhancing the potential utilization of modified pea protein ingredients. Significance and novelty This study utilized four enzymes with different specificities resulting in PPEF hydrolysates with different protein quality even when the DH was the same. Increasing the nutritional quality of a PPEF may give it a competitive advantage over other pea ingredients.
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 | 0,000 | 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 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 ».