MétaCan
Menu
Retour à la cohorte
Enregistrement W4292870120 · doi:10.3389/frsfm.2022.937152

Impact of deamidation on the physicochemical properties and air-water interfacial behaviour of gliadin nanoparticles

2022· article· en· W4292870120 sur OpenAlexafffund
Maryam Moraveji, Azin Sadat, Iris J. Joye

Notice bibliographique

RevueFrontiers in Soft Matter · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensUniversity of Guelph
Organismes subventionnairesOntario Ministry of Research and InnovationNatural Sciences and Engineering Research Council of Canada
Mots-clésDeamidationGliadinIsoelectric pointChemistryChemical engineeringNanoparticleSolubilityMaterials scienceChromatographyOrganic chemistryGlutenBiochemistry

Résumé

récupéré en direct d'OpenAlex

Gliadin due to its low water solubility is excellently suited to make biopolymeric nanoparticles through liquid antisolvent precipitation. These gliadin nanoparticles (GNPs) can be utilized to populate and stabilize interfaces. Gliadin, by nature a protein that carries a low charge, can be altered by deamidation. Deamidation effectively alters the physicochemical properties of gliadin through decreasing the protein’s isoelectric point (IEP). The objective of this study is to explore the effect of different degrees of deamidation on gliadin nanoparticle (interfacial) characteristics. Besides altering the physical stability of GNP suspensions, deamidation did alter the functionality of GNPs as interfacial agents. GNP behaviour at the air-water interface is substantially impacted by pH. Particles made with untreated and deamidated gliadin exhibited a greater tendency to adsorb and form strong viscoelastic films at the air-water interface and better foam structures closer to their IEP. The combination of SEM, confocal Raman microscopy and drop tensiometry provides unique insights in the dominant gliadin structures and interactions at the interfacial film. This study provides crucial insights into the potential of deamidation to tailor gliadin and GNP properties for specific food applications.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,065
Score d'incertitude au seuil0,434

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,024
Tête enseignante GPT0,213
Écart entre enseignants0,190 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Soft MatterMême sujetProteins in Food SystemsTravaux en français237 207