Associated Changes in the Structural and Antioxidant Activity of Myofibrillar Proteins via Interaction of Polyphenolic Compounds and Protein Extracted from Lentil (Lens culinaris)
Notice bibliographique
Résumé
This study evaluated the effects of different concentrations of green lentil acetone extract (GLA) (250, 500, 750, and 1000 μg/mL) and protein of green lentil (PGL) (1, 2, 3, and 4 g/100 g MP) on the functional attributes of myofibrillar protein (MP). GLA extract and PGL significantly affected the structure of MP by decreasing the carbonyl and sulfhydryl contents. Intrinsic fluorescence quenching studies showed that static quenching was involved in MP-GLA extract and MP-PGL complexes. Compared to the control (MP), the addition of GLA extract and PGL decreased the surface hydrophobicity, which correlated with the decrease in protein solubility. The MP-GLA and MP-PGL had lower cooking losses and slightly higher water-holding capacities <a:math xmlns:a="http://www.w3.org/1998/Math/MathML" id="M1"> <a:mfenced open="(" close=")" separators="|"> <a:mrow> <a:mi>P</a:mi> <a:mo><</a:mo> <a:mn>0.05</a:mn> </a:mrow> </a:mfenced> </a:math> . FTIR spectroscopy demonstrated changes in MP secondary structure with the addition of GLA extract and PGL. GLA extract and PGL also decreased the thermal stability of MP and showed significant synergism in enhancing the radical scavenging activity of MP. Taken together, the results indicated that a high concentration of GLA extract (1000 μg/mL) and PGL (4 g/100 g MP) improved the functional properties of MP, and GLA extract was the most effective.
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 ».