MétaCan
Menu
Retour à la cohorte
Enregistrement W3128513235 · doi:10.1111/1541-4337.12707

Milk proteins and their derived peptides on bone health: Biological functions, mechanisms, and prospects

2021· review· en· W3128513235 sur OpenAlexafffund
Tingting Bu, Jiexia Zheng, Liu Ling, Shanshan Li, Jianping Wu

Notice bibliographique

RevueComprehensive Reviews in Food Science and Food Safety · 2021
Typereview
Langueen
DomaineNursing
ThématiqueInfant Nutrition and Health
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBone remodelingOsteoporosisBone resorptionBone mineralBone healthChemistryCell biologyBiologyBioinformaticsEndocrinology

Résumé

récupéré en direct d'OpenAlex

Bone is a dynamic organ under constant metabolism (or remodeling), where a delicate balance between bone resorption and bone formation is maintained. Disruption of this coordinated bone remodeling results in bone diseases, such as osteoporosis, the most common bone disorder characterized by decreased bone mineral density and microarchitectural deterioration. Epidemiological and clinical evidence support that consumption of dairy products is beneficial for bone health; this benefit is often attributed to the presence of calcium, the physiological contributions of milk proteins on bone metabolism, however, are underestimated. Emerging evidence highlighted that not only milk proteins (including individual milk proteins) but also their derived peptides positively regulate bone remodeling and attenuate bone loss, via the regulation of cellular markers and signaling of osteoblasts and osteoclasts. This article aims to review current knowledge about the roles of milk proteins, with an emphasis on individual milk proteins, bioactive peptides derived from milk proteins, and effect of milk processing in particular fermentation, on bone metabolism, to highlight the potential uses of milk proteins in the prevention and treatment of osteoporosis, and, to discuss the knowledge gap and to recommend future research directions.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,980
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,153
Tête enseignante GPT0,363
Écart entre enseignants0,210 · 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.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueComprehensive Reviews in Food Science and Food SafetyMême sujetInfant Nutrition and HealthTravaux en français237 207