Identification of zinc-binding peptides in ADAM17-inhibiting whey protein hydrolysates using IMAC-Zn2+ coupled with shotgun peptidomics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Food components possessing zinc ligands can be used to inhibit zinc-dependent enzymes. In this study, zinc-binding peptides were derived from whey protein hydrolysates, and their ultrafiltration (> 1 and < 1 kDa) fractions, produced with Esperase (WPH-Esp), Everlase and Savinase. Immobilized metal affinity chromatography (IMAC-Zn 2+ ) increased the zinc-binding capacity of the peptide fraction (83%) when compared to WPH-Esp (23%) and its < 1 kDa fraction (40%). The increased zinc-binding capacity of the sample increased the inhibitory activity against the zinc-dependent “a disintegrin and metalloproteinase 17”. LC-MS/MS analysis using a shotgun peptidomics approach resulted in the identification of 24 peptides originating from bovine β-lactoglobulin, α-lactalbumin, serum albumin, β-casein, κ-casein, osteopontin-k, and folate receptor-α in the fraction. The identified peptides contained different combinations of the strong zinc-binding group of residues, His+Cys, Asp+Glu and Phe+Tyr, although Cys residues were absent in the sequences. In silico predictions showed that the IMAC-Zn 2+ peptides were non-toxins. However, the peptides possessed poor drug-like and pharmacokinetic properties; this was possibly due to their long chain lengths (5–19 residues). Taken together, this work provided an array of food peptide-based zinc ligands for further investigation of structure-function relationships and development of nutraceuticals against inflammatory and other zinc-related diseases. Graphical abstract
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.
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 découle