Antioxidant peptides: Overview of production, properties, and applications in food systems
Notice bibliographique
Résumé
In recent years, several studies have reported the beneficial effects of antioxidant peptides in delaying oxidation reactions. Thus, a growing number of food proteins have been investigated as suitable sources for obtaining these antioxidant peptides. In this study, some of the most critical developments in the discovery of peptidic antioxidants are discussed. Initially, the primary methods to release, purify, and identify these antioxidant peptides from various food-derived sources are reviewed. Then, computer-based screening methods of the available peptides are summarized, and methods to interpret their structure-activity relationship are illustrated. Finally, approaches to the large-scale production of these bioactive peptides are described. In addition, the applications of these antioxidants in food systems are discussed, and gaps, future challenges, and opportunities in this field are highlighted. In conclusion, various food items can be considered promising sources to obtain these novel antioxidant peptides, which present various opportunities for food applications in addition to health promotion. The lack of in-depth data on the link between the structure and activity of these antioxidants, which is critical for the prediction of possible bioactive amino acid sequences and their potency in food systems and in vivo conditions (rather than in vitro systems), requires further attention. Consequently, future collaborative research activities between the industry and academia are required to realize the commercialization objectives of these novel antioxidant peptides.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 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 ».