A review on the techno‐functional, biological, and health‐promoting properties of hempseed‐derived proteins and peptides
Notice bibliographique
Résumé
Protein-energy malnutrition is a global challenge that demands urgent attention, especially with the increasing population growth and unmatched food security plans. One strategy is to expand the list of protein sources, such as neglected and underutilized crops, with high protein content. A good number of plant proteins, in addition to their nutritional benefits, exert therapeutic properties as seen in seeds derived from legumes and emerging sources such as hemp. In this review, the transepithelial transport, functional, and biological properties of hempseed proteins (HSPs) and peptides were discussed. The review also described the potential safety issues of incorporating hempseeds in food products. Due to the multitargeted effects of hempseed-derived proteins and their peptides against many chronic diseases, and their functional properties, current knowledge shows that hempseed has tremendous potential for functional food and nutraceutical applications. PRACTICAL APPLICATIONS: The alarming rate of malnutrition and the attendant health consequences demand that underexploited nutrient-rich crops should be incorporated as part of our common dietary sources. Among these crops, hempseed is gaining attention as an emerging source of proteins and peptides with promising potential in prevention and management of chronic diseases such as diabetes, hypertension, cancer, hypercholesterolemia, obesity, and diseases whose etiology involves oxidative stress and inflammation. Fortunately, a growing body of research evidence is demonstrating that hempseed is a reservoir of proteins and peptides with nutraceutical potentials for curbing life-threatening diseases.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».