MétaCan
Menu
Retour à la cohorte
Enregistrement W4387223459 · doi:10.1016/j.foodchem.2023.137632

Health-promoting properties of bioactive proteins and peptides of garlic (Allium sativum)

2023· review· en· W4387223459 sur OpenAlexaff
Timothy Prince Chidike Ezeorba, Arinze Linus Ezugwu, Ifeoma Felicia Chukwuma, Emeka Godwin Anaduaka, Chibuike C. Udenigwe

Notice bibliographique

RevueFood Chemistry · 2023
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGarlic and Onion Studies
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésAllium sativumPhytochemicalPeptideProteomicsBiochemistryAntifungalAntioxidantNutraceuticalAllicinBiologyAlliumBiological activityBiotechnologyChemistryTraditional medicineBotanyMedicineMicrobiology

Résumé

récupéré en direct d'OpenAlex

Garlic is a popular food spice with diverse and well-established medicinal properties. Many research interests have been directed toward the biological activities of the phytochemical constituents of garlic. However, prospects of its bioactive proteins and peptides have been understudied to date. With the advances in food proteomics/peptide research, a review of studies on garlic bioactive proteins and peptides, especially on their nature, extraction, and biological activities, is timely. Garlic has been reported to express several proteins, endogenous and protein-derived peptides with interesting bioactivities, including antioxidant, anti-inflammatory, antibacterial, antifungal, anti-proliferative, antiviral, anti-hypertensive and immunomodulatory activities, suggesting their therapeutic and pharmacological potentials. Compared to legumes, the low protein contents of garlic bulbs and their low stability are possible limitations that would hinder future applications. We suggest adopting heterologous expression systems for peptide overproduction and stability enhancement. Therefore, we recommend increased scientific interest in the bioactive peptides of garlic and other spice plants.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,125
Tête enseignante GPT0,288
Écart entre enseignants0,162 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations42
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFood ChemistryMême sujetGarlic and Onion StudiesTravaux en français237 207