MétaCan
Menu
Retour à la cohorte
Enregistrement W3109300711 · doi:10.1016/j.crfs.2020.11.003

Characterization of the ergometric properties of commercial bioactive dairy peptides

2020· article· en· W3109300711 sur OpenAlexafffund
Luis E. Maya, Martin G. Scanlon

Notice bibliographique

RevueCurrent Research in Food Science · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCompressibilityThermodynamicsChemistryVolume (thermodynamics)Adiabatic processChromatography

Résumé

récupéré en direct d'OpenAlex

The thermodynamic properties of bioactive peptides provide insights into their functional behavior and their biological efficacy. We conducted precise analyses of the density, the ultrasonic velocity and the relative attenuation of serial dilutions of three commercial dairy peptides prepared by enzymatic methods. From these we determined the partial specific volume and the partial specific adiabatic compressibility coefficient for the peptides. At concentrations greater than ~2.5 ​mg ​mL−1, the apparent values for specific volume and adiabatic compressibility were constant, differing between the three peptides at ±3% for specific volume and ±70% for compressibility. Both specific volume and adiabatic compressibility were highly dependent on concentration, indicating the importance of precise low concentration measurements to obtain correct values for these thermodynamic parameters. From these parameters it was apparent that restructuring of water molecules around the peptides (and their associated counterions) led to compact solutes that were also incompressible. These thermodynamic analyses are critical for understanding how the properties and the beneficial effects of bioactive peptides are influenced by their chemical environment.

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 enseignants0,452
Score d'incertitude au seuil0,379

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,005
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 Opus0,428
Tête enseignante GPT0,377
Écart entre enseignants0,050 · 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

Citations1
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Research in Food ScienceMême sujetMeat and Animal Product QualityTravaux en français237 207