Antioxidant and enzymes inhibitory properties of Amaranth leaf protein hydrolyzates and ultrafiltration peptide fractions
Notice bibliographique
Résumé
Amaranth leaf protein isolate (ALI) was hydrolyzed using four different proteases (alcalase, trypsin, pepsin, and chymotrypsin) followed by fractionation of the pepsin hydrolyzate (PH) into different sizes using ultrafiltration membrane. Gel permeation chromatography showed that all the hydrolyzates had smaller size peptides (<7 kDa) than the protein isolate (>32 kDa). The chymotrypsin hydrolyzate had higher contents of hydrophobic amino acid (44.95%) compared to alcalase (42.72%), pepsin (43.93%), and trypsin (40.95%) hydrolyzates. The PH had stronger DPPH, hydroxyl radical, and superoxide radical scavenging activities than the other protein hydrolyzates but weaker Ferric reducing antioxidant power and metal chelating activities when compared to the peptide fractions. The <1 kDa peptide fraction exhibited stronger DPPH, hydroxyl, and superoxide radicals scavenging activities than the higher molecular weight (>1 kDa) fractions. Fractionation of PH also resulted in enhanced inhibition of α-amylase and ACE activities but weaker α-glucosidase inhibition. PRACTICAL APPLICATIONS: ALI was hydrolyzed using four proteases to produce protein hydrolyzates. The most active of the hydrolyzate was then fractionated to produce fractions of different molecular sizes. The results of the analyses showed that the hydrolyzates and the fractions showed good antioxidant and enzyme inhibitory activities such as the inhibition of ACE, α-amylase, and glucosidase enzymes. The results suggest that the enzymatic hydrolyzates and peptide fractions could be used as ingredients in the nutraceutical and functional food industries to scavenge free radicals and inhibit angiotensin-converting enzyme activity.
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 ».