MétaCan
Menu
Retour à la cohorte
Enregistrement W4321371469 · doi:10.3390/foods12040877

Enhanced Gel Properties of Duck Myofibrillar Protein by Plasma-Activated Water: Through Mild Structure Modifications

2023· article· en· W4321371469 sur OpenAlexaff
Wei Rao, M. S. Roopesh, Daodong Pan, Lihui Du

Notice bibliographique

RevueFoods · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCircular dichroismChemistryDynamic mechanical analysisMyofibrilFluorescence spectroscopyRheologyAbsorption of waterChromatographyMicrostructureSpectroscopyBiophysicsFluorescenceCrystallographyPolymerOrganic chemistryBiochemistryMaterials science

Résumé

récupéré en direct d'OpenAlex

This study assessed the gel properties and conformational changes of duck myofibrillar protein (DMP) affected by plasma-activated water (PAW) generated at various discharge times (0 s, 10 s, 20 s, 30 s, and 40 s). With the treatment of PAW-20 s, the gel strength and water-holding capacity (WHC) of DMP gels were significantly increased when compared to the control group. Throughout the heating process, dynamic rheology revealed that the PAW-treated DMP had a higher storage modulus than the control. The hydrophobic interactions between protein molecules were significantly improved by PAW, resulting in a more ordered and homogeneous gel microstructure. The increased sulfhydryl and carbonyl content in DMP indicated a higher degree of protein oxidation with PAW treatment. Additionally, the circular dichroism spectroscopy demonstrated that PAW induced α-helix and β-turn transformed to β-sheet in DMP. Surface hydrophobicity, fluorescence spectroscopy, and UV absorption spectroscopy suggested that PAW altered DMP's tertiary structure, although the electrophoretic pattern indicated that the primary structure of DMP was mostly unaffected. These results suggest that PAW can improve the gel properties of DMP through mild alteration in its conformation.

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 enseignants0,006
Score d'incertitude au seuil0,186

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 Opus0,069
Tête enseignante GPT0,252
Écart entre enseignants0,183 · 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

Citations18
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFoodsMême sujetMeat and Animal Product QualityTravaux en français237 207