Protein-based encapsulation systems for codelivery of bioactive compounds: Recent studies and potential applications
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Functional food development faces a considerable hurdle due to the poor bioavailability of incorporated bioactive compounds, which are caused by poor aqueous solubility, rapid release, low circulation time, physical and chemical instability, and cytotoxicity of bioactive compounds. Encapsulation emerges as a pivotal strategy to address this challenge by protecting bioactives. Protein as a wall material for encapsulation plays a significant role due to its biocompatibility, non-toxicity, surface activity, amphiphilic nature, and diverse range of functional groups. Researchers are currently exploring the co-encapsulation of multiple compounds to earn synergistic health benefits, enhanced functionality, and cost-effectiveness but face several challenges due to the diverse solubilities and chemical properties of bioactives. Proteins are crucial as encapsulation wall materials with their nutritional value and abundant availability. The diversity arising from the 20 different amino acids allows proteins to interact effectively with various compounds through various interactions. Emulsions, nano, micro solid particles, and gels are the most common protein-based fabricated systems used for encapsulation and co-encapsulation. However, as delivery systems, proteins face some drawbacks and challenges, such as rapid release and diffusion, low loading capacity, and instability in gastric environments. This review critically explores protein-based co-encapsulation studies, highlighting research gaps and proposing future directions in this field.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle