MétaCan
Menu
Retour à la cohorte
Enregistrement W4210785742 · doi:10.1016/j.fochx.2022.100222

A comprehensive review on the glucoregulatory properties of food-derived bioactive peptides

2022· review· en· W4210785742 sur OpenAlexafffund
Forough Jahandideh, Stephane L. Bourque

Notice bibliographique

RevueFood Chemistry X · 2022
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtein Hydrolysis and Bioactive Peptides
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaEgg Farmers of CanadaAlberta Agriculture and Forestry
Mots-clésNutraceuticalPeptideFunctional foodC-peptideCholecystokininAntibacterial peptideAdipose tissueDiabetes mellitusBiologyChemistryBiochemistryEndocrinologyFood scienceReceptor

Résumé

récupéré en direct d'OpenAlex

Diabetes mellitus, a group of metabolic disorders characterized by persistent hyperglycemia, affects millions of people worldwide and is on the rise. Dietary proteins, from a wide range of food sources, are rich in bioactive peptides with antidiabetic properties. Notable examples include AGFAGDDAPR, a black tea-derived peptide, VRIRLLQRFNKRS, a β-conglycinin-derived peptide, and milk-derived peptide VPP, which have shown antidiabetic effects in diabetic rodent models through variety of pathways including improving beta-cells function, suppression of alpha-cells proliferation, inhibiting food intake, increasing portal cholecystokinin concentration, enhancing insulin signaling and glucose uptake, and ameliorating adipose tissue inflammation. Despite the immense research on glucoregulatory properties of bioactive peptides, incorporation of these bioactive peptides in functional foods or nutraceuticals is widely limited due to the existence of several challenges in the field of peptide research and commercialization. Ongoing research in this field, however, is fundamental to pave the road for this purpose.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,657
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,075
Tête enseignante GPT0,274
Écart entre enseignants0,200 · 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'étudeExpérimental (laboratoire)
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

Citations40
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFood Chemistry XMême sujetProtein Hydrolysis and Bioactive PeptidesTravaux en français237 207