MétaCan
Menu
Retour à la cohorte
Enregistrement W4224268399 · doi:10.3390/nu14081541

Faba Bean: An Untapped Source of Quality Plant Proteins and Bioactives

2022· review· en· W4224268399 sur OpenAlexafffund
Delphine Martineau-Côté, Allaoua Achouri, Salwa Karboune, Lamia L’Hocine

Notice bibliographique

RevueNutrients · 2022
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensMcGill UniversityAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésLegumeBiotechnologyFood scienceHealth benefitsProtein digestibilityDigestion (alchemy)BiologyAntioxidantFabaceaeChemistryBiochemistryBotanyTraditional medicineMedicine

Résumé

récupéré en direct d'OpenAlex

Faba beans are emerging as sustainable quality plant protein sources, with the potential to help meet the growing global demand for more nutritious and healthy foods. The faba bean, in addition to its high protein content and well-balanced amino acid profile, contains bioactive constituents with health-enhancing properties, including bioactive peptides, phenolic compounds, GABA, and L-DOPA. Faba bean peptides released after gastrointestinal digestion have shown antioxidant, antidiabetic, antihypertensive, cholesterol-lowering, and anti-inflammatory effects, indicating a strong potential for this legume crop to be used as a functional food to help face the increasing incidences of non-communicable diseases. This paper provides a comprehensive review of the current body of knowledge on the nutritional and biofunctional qualities of faba beans, with a particular focus on protein-derived bioactive peptides and how they are affected by food processing. It further covers the adverse health effects of faba beans associated with the presence of anti-nutrients and potential allergens, and it outlines research gaps and needs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,145
Tête enseignante GPT0,333
Écart entre enseignants0,188 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations178
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetProteins in Food SystemsTravaux en français237 207