MétaCan
Menu
Retour à la cohorte
Enregistrement W4392815943 · doi:10.3168/jds.2024-24353

The affinity of milk fat globule membrane fragments and buttermilk proteins to hydroxyapatite

2024· article· en· W4392815943 sur OpenAlexafffund
J. Lung, Alain Doyen, G. Remondetto, Yves Pouliot, G. J. Brisson

Notice bibliographique

RevueJournal of Dairy Science · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensAgropur cooperativeUniversité Laval
Organismes subventionnairesMinistère de l'Agriculture, des Pêcheries et de l'Alimentation
Mots-clésChemistryMembraneAdsorptionChromatographyIonic strengthQuartz crystal microbalanceCaseinGlobules of fatFood scienceBiochemistryMilk fatOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Buttermilk differs from skim milk by the presence of milk fat globule membrane (MFGM) fragments that are released during cream churning. Milk fat globule membrane is rich in health-promoting components, such as phospholipids and membrane proteins, but these compounds have a negative impact on buttermilk techno-functional properties in dairy applications. The isolation of MFGM from buttermilk improved its functionality while also recovering the MFGM bioactive components. Hydroxyapatite (HA) can be used to extract MFGM by adsorption via charged site interactions. However, the affinity of HA to MFGM or the main buttermilk proteins (casein micelles [CM], β-LG, and α-LA) is not known. The influence of important physicochemical parameters such as pH and temperature on these interactions is also unclear. For each buttermilk component, a quartz crystal microbalance diffusion analysis was performed to determine the maximum adsorption time and the attached mass density on HA-coated gold sensors. The influence of pH, ionic strength (IS), and temperature (T) on the affinity of each buttermilk component for HA particles was assessed using a 3-levels and 3-factors Box-Behnken design. The absorption rate was highest for the CM, followed by β-LG and α-LA, and then by the MFGM. Nevertheless, the final maximal attached mass densities to the HA were similar for the MFGM and CM, and 2.5 times higher than for β-LG and α-LA. This difference can be explained by the higher number of binding sites found in CM and their heavier mass. The model obtained by the Box-Behnken design plan showed that the adsorption of the CM changed with T, pH, and IS. These results suggest that the techno-functional properties of buttermilk may be restored by specifically extracting MFGM with HA. Experiments are ongoing to determine conditions for fractionating MFGM directly from buttermilk.

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)0,001
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
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,020
Tête enseignante GPT0,252
Écart entre enseignants0,232 · 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

Citations7
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy ScienceMême sujetProteins in Food SystemsTravaux en français237 207