MétaCan
Menu
Retour à la cohorte
Enregistrement W3042558570 · doi:10.1002/ejlt.202000134

Canola Proteins Used as Co‐Emulsifiers with Phospholipids Influence Oil Oxidability, Enzymatic Lipolysis, and Fatty Acid Absorption in Rats

2020· article· en· W3042558570 sur OpenAlexafffund
Christine Bourgeois, Leslie Couëdelo, Muriel Subirade, Maud Cansell

Notice bibliographique

RevueEuropean Journal of Lipid Science and Technology · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensUniversité Laval
Organismes subventionnairesCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of Canada
Mots-clésCanolaChemistryRapeseedFood scienceLipolysisPolyunsaturated fatty acidEmulsionFatty acidLipaseChromatographyBiochemistryEnzymeAdipose tissue

Résumé

récupéré en direct d'OpenAlex

Abstract The objective of this study is to formulate and characterize oil‐in‐water emulsions with plant‐derived ingredients only, that is, proteins extracted from canola oil bodies, used as co‐emulsifiers with a canola lecithin, and to assess their suitability for food applications. Using the protein extract increases the chemical stability of rapeseed oil emulsions toward oxidation, based on the delay in conjugated diene formation under accelerated storage conditions, and favors pancreatic lipase activity. Bioaccessibility of rapeseed fatty acids is compared in lymph‐duct‐cannulated rats fed oil or emulsion. Fatty acid absorption by the intestine is increased by 78% when the oil is emulsified with canola proteins as co‐emulsifier: 28.7 mg mL −1 versus 16.1 mg mL −1 for oil ( p < 0.05). In vitro lipolysis results are in overall agreement with fatty acid absorption in vivo. Practical Applications : Results obtained for rapeseed oil emulsified with canola proteins and phospholipids suggest that increased bioaccessibility of n‐3 polyunsaturated fatty acids could be offered in vegan food products.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,153
Score d'incertitude au seuil0,433

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,017
Tête enseignante GPT0,221
Écart entre enseignants0,203 · 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'étudeExpérimental (laboratoire)
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
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Lipid Science and TechnologyMême sujetProteins in Food SystemsTravaux en français237 207