Enhancing the Biological Activities of Food Protein-Derived Peptides Using Non-Thermal Technologies: A Review
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
Bioactive peptides (BPs) derived from animal and plant proteins are important food functional ingredients with many promising health-promoting properties. In the food industry, enzymatic hydrolysis is the most common technique employed for the liberation of BPs from proteins in which conventional heat treatment is used as pre-treatment to enhance hydrolytic action. In recent years, application of non-thermal food processing technologies such as ultrasound (US), high-pressure processing (HPP), and pulsed electric field (PEF) as pre-treatment methods has gained considerable research attention owing to the enhancement in yield and bioactivity of resulting peptides. This review provides an overview of bioactivities of peptides obtained from animal and plant proteins and an insight into the impact of US, HPP, and PEF as non-thermal treatment prior to enzymolysis on the generation of food-derived BPs and resulting bioactivities. US, HPP, and PEF were reported to improve antioxidant, angiotensin-converting enzyme (ACE)-inhibitory, antimicrobial, and antidiabetic properties of the food-derived BPs. The primary modes of action are due to conformational changes of food proteins caused by US, HPP, and PEF, improving the susceptibility of proteins to protease cleavage and subsequent proteolysis. However, the use of other non-thermal techniques such as cold plasma, radiofrequency electric field, dense phase carbon dioxide, and oscillating magnetic fields has not been examined in the generation of BPs from food proteins.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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