Notice bibliographique
Résumé
By 2050, the world population is estimated to reach 9.6 billion, and this growth continues to require more food, particularly proteins.Moreover, the Westernisation of society has led to consumer demand for protein products that taste good and are convenient to consume, but additionally have nutritional and health maintenance and well-being benefits.Proteins provide energy, but additionally have a wide range of functions from enzymatic activities in the body to bioactivities including those associated with heart health, diabetes-type 2-prevention and mental health maintenance; stress relief as well as a plethora of other health beneficial attributes.Furthermore, proteins play an important role in food manufacture and often provide the binding, water-or oil-holding, emulsifying, foaming or other functional attributes required to ensure optimum sensory and taste benefits for the consumer.The purpose of this issue is to highlight current and new protein sources and their associated functional, nutritional and health benefits as well as best practices for quantifying proteins and bioactive peptides in both a laboratory and industry setting.The bioaccessibility, bioavailability and bioactivities of proteins from dairy, cereal and novel sources including seaweeds and insect protein and how they are measured and the relevance of protein quality measurement methods including the Protein Digestibility Amino Acid Score (PDCAAS) and Digestible Indispensable Amino Acid Score (DIAAS) are highlighted.In addition, predicted future protein consumption trends and new markets for protein and peptide products are discussed.
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) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,023 |
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 ».