MétaCan
Menu
Retour à la cohorte
Enregistrement W4399619096 · doi:10.1016/j.fochx.2024.101550

Tailoring soy protein/corn zein mixture by limited enzymatic hydrolysis to improve digestibility and functionality

2024· article· en· W4399619096 sur OpenAlexaff
Dongjing Wu, Wei Wu, Na Zhang, Olugbenga P. Soladoye, Rotimi E. Aluko, Yuhao Zhang, Yu Fu

Notice bibliographique

RevueFood Chemistry X · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensUniversity of ManitobaGovernment of CanadaAgriculture and Agri-Food Canada
Organismes subventionnairesCentre Scientifique et Technique du BâtimentSouthwest UniversityNatural Science Foundation of ChongqingNational Natural Science Foundation of China
Mots-clésSoy proteinEnzymatic hydrolysisFood scienceHydrolysisProtein digestibilityChemistryEnzymeBiotechnologyAgronomyBiochemistryBiology

Résumé

récupéré en direct d'OpenAlex

This study aimed to modify plant protein mixture to improve their functionality and digestibility by limited hydrolysis. Soy protein isolate and corn zein were mixed at the ratio of 5:1 (w/w), followed by limited hydrolysis using papain from 15 to 30 min. The structural characteristics, in vitro digestibility, and functional properties were evaluated. Also, DPPH radical scavenging activity was determined. The results indicated that the molecular weight of different modified samples was largely reduced by limited hydrolysis, and the proportion of random coil was significantly increased. Furthermore, the solubility, foaming, emulsifying and water-holding capacity of hydrolyzed protein mixture were significantly improved, which were close to those of whey protein isolate. In vitro digestibility after 30-min limited hydrolysis was remarkably elevated. In addition, the hydrolyzed protein mixture exhibited a higher antioxidant activity than those of untreated proteins. Overall, limited hydrolysis of protein mixture led to improved digestibility, functionality and antioxidant activity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,019
Score d'incertitude au seuil0,403

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,015
Tête enseignante GPT0,208
Écart entre enseignants0,192 · 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 tête enseignante, 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

Citations21
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFood Chemistry XMême sujetProteins in Food SystemsTravaux en français237 207