Effect of lactic fermentation on soy protein digestive pattern assessed by an <i>in vitro</i> dynamic gastrointestinal digestion model and the influence on human faecal microbiota
Notice bibliographique
Résumé
BACKGROUND: The aim of this study was to investigate the effect of lactic fermentation on soy protein gastrointestinal digestive pattern and the influence of protein digesta on human faecal microbiota. Soymilk and soy yogurt were prepared in this study and a novel in vitro dynamic gastrointestinal model was employed to simulate gastric and duodenum digestions. Particle size, sodium dodecyl sulphate polyacrylamide gel electrophoresis (SDS-PAGE), and peptide content were monitored at the end of duodenum tract. RESULTS: Ingestion of soy yogurt allowed a rapid drop in pH from 7.0 to 5.0 at simulated duodenal digestion (0-30 min), and resulted in a loss in soluble protein content compared to that of soymilk. The electrophoretic pattern between soymilk and soy yogurt exerted distinctive differences at early stages of duodenal digestion (0-60 min) and resulted in different peptide contents (180 min). Soy yogurt duodenal digesta collected at 180 min (D180), by co-fermentation with human intestinal flora distribution, allowed a higher population in Bifidobacterium spp., Lactobacillus/Enterococcus spp. and Streptococcus/Lactococcus spp., whereas soy yogurt D30 resulted in lower population in Clostridium and Escherichia coli compared to samples co-fermented with soymilk digesta. CONCLUSION: The results demonstrated lactic fermentation of soy protein modulated human intestinal microflora and might relate to the different protein digestive behaviours. © 2020 Society of Chemical Industry.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».