Peptidomics Study of Plant-Based Meat Analogs as a Source of Bioactive Peptides
Notice bibliographique
Résumé
The demand for plant-based meat analogs (PBMA) is on the rise as a strategy to sustain the food protein supply while mitigating environmental change. In addition to supplying essential amino acids and energy, food proteins are known sources of bioactive peptides. Whether protein in PBMA affords similar peptide profiles and bioactivities as real meat remains largely unknown. The purpose of this study was to investigate the gastrointestinal digestion fate of beef and PBMA proteins with a special focus on their potential as precursors of bioactive peptides. Results showed that PBMA protein showed inferior digestibility than that in beef. However, PBMA hydrolysates possessed a comparable amino acid profile to that of beef. A total of 37, 2420 and 2021 peptides were identified in the gastrointestinal digests of beef, Beyond Meat and Impossible Meat, respectively. The astonishingly fewer peptides identified from beef digest is probably due to the near-full digestion of beef proteins. Almost all peptides in Impossible Meat digest were from soy, whereas 81%, 14% and 5% of peptides in Beyond Meat digest were derived from pea, rice and mung proteins, respectively. Peptides in PBMA digests were predicted to exert a wide range of regulatory roles and were shown to have ACE inhibitory, antioxidant and anti-inflammatory activities, supporting the potential of PBMA as a source of bioactive 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».