MétaCan
Menu
Retour à la cohorte
Enregistrement W4319794908 · doi:10.1002/jsf2.103

Red tilapia by‐product hydrolysates: A new nitrogen source for <i>Bifidobacterium lactis</i><scp>HN019</scp>

2023· article· en· W4319794908 sur OpenAlexaff
Tong Lu, Dongwei Jiang, Shengjun Chen, Huijuan Zhang, Yan Zhang, Hui Hong, Yongkang Luo, Yuqing Tan

Notice bibliographique

RevueJSFA reports · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtein Hydrolysis and Bioactive Peptides
Établissements canadiensMinistry of Agriculture
Organismes subventionnairesnon disponible
Mots-clésHydrolysateTilapiaPapainChemistryHydrolysisFood scienceEnzymatic hydrolysisNitrogenEnzymeBiochemistryFish <Actinopterygii>BiologyOrganic chemistryFishery

Résumé

récupéré en direct d'OpenAlex

Abstract Background Red tilapia by‐products possess ample protein and are either discarded or processed into low‐value products. The nitrogen source is the most expensive part of the microbial culture, so finding a cheap alternative can better promote the microbial economy. In this study, different combinations of enzymes were used to hydrolyze the by‐products of red tilapia, and its effects on the growth of Bifidobacterium lactis HN019 were investigated. Results The results showed that hydrolysate hydrolyzed by enzyme combination 4 (alcalase: neutrase: papain: flavorzyme = 1:1:2:1) (EC4) obtained the highest nitrogen recovery (53.63%) and >2000 Da peptide proportion (5.07%). Hydrolysate hydrolyzed by enzyme combination 2 (alcalase: neutrase: papain: flavorzyme = 2:1:1:1) (EC2) has less hydrophobic amino acids and could improve the growth rate in 10 h–14 h in 50% nitrogen source substitution but had worst viable count after 24 h cultivation. Conclusion These results indicated that red tilapia by‐product hydrolysate was an excellent nitrogen source substitution and suggested that the hydrophobic amino acids in the nitrogen source might be an essential factor affecting the growth of Bifidobacterium lactis HN019. This research enhanced the economic value of red tilapia by‐products, minimized the waste of aquatic resources, and provided directions for the utilization of red tilapia by‐products.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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)0,0010,000

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 Opus0,010
Tête enseignante GPT0,235
Écart entre enseignants0,225 · 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'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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJSFA reportsMême sujetProtein Hydrolysis and Bioactive PeptidesTravaux en français237 207