Canadian sainfoin and fenugreek as forage and functional foods
Notice bibliographique
Résumé
Abstract Sainfoin ( Onobrychis viciifolia Scop.) and fenugreek ( Trigonella foenum‐graecum L.) are two legumes that are being developed as forage crops in Canada with potential benefits for animal and human health. Sainfoin, a perennial crop containing condensed tannins (CTs), is gaining popularity in western Canada because of its benefits for cattle. Its CTs make the crop bloat‐free for grazing cattle while improving protein digestibility and reducing greenhouse gas emissions. The CT‐containing fenugreek is also considered as a bloat‐free annual forage legume that was developed to serve in short‐term crop rotations in western Canada. These crops are known to provide health and nutritional benefits to cattle with their high protein content and other beneficial nutraceuticals such as crude fiber, 4‐hydroxyisoleucine, steroid sapogenins, and galactomannans. Some of these nutraceuticals have the potential to benefit human health; however, such attributes have not been studied enough to harness the full potential of these legume crops in Canada. Recent research suggests that legumes are a healthy substitute for meat. However, metabolite analysis of sainfoin is mostly limited to proteins and CTs. The CTs reported in sainfoin are involved in reduction of blood pressure and detoxification and providing anticancer properties in humans. Recent studies on fenugreek have highlighted the beneficial nutraceuticals associated with human health but most of those claims are not backed by relevant clinical studies. In this article, we reviewed the nutritional quality attributes of sainfoin and fenugreek and assessed their potential as functional foods and nutraceuticals for animal and human health based on scientific evidence.
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 ».