MétaCan
Menu
Retour à la cohorte
Enregistrement W4401152361 · doi:10.37349/eff.2024.00043

Separation methods for food protein purification and analysis

2024· article· en· W4401152361 sur OpenAlexaff
Anushi Madushani Wijethunga, Chijioke Emenike

Notice bibliographique

RevueExploration of Foods and Foodomics · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésFast protein liquid chromatographyUltrafiltration (renal)ChromatographyProtein purificationHigh-performance liquid chromatographyChemistryBiochemical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

The extraction, separation, and purification of dietary proteins from a variety of food sources are crucial for their targeted use in food applications. To achieve this, proteins should be effectively separated from non-protein components such as cell wall structures, polysaccharides, and lipids. Traditional protein purification methods can be time-consuming, highlighting the need for automated, cost-effective, and sustainable alternatives. This comprehensive review critically assesses various protein purification instruments from an analytical perspective, weighing their advantages and disadvantages. The methods under evaluation include ultrafiltration, sodium dodecyl sulfate-polyacrylamide gel electrophoresis (SDS-PAGE), fast protein liquid chromatography (FPLC), high-performance liquid chromatography (HPLC), ultra performance liquid chromatography (UPLC), and microfluidic chips. Among these, FPLC stands out as an affordable and efficient technique that allows for high protein recovery. However, HPLC and UPLC provide faster results but may denature proteins, leading to lower recovery rates. Ultrafiltration is a cost-effective and straightforward method that doesn’t require complex equipment. Microchip-based approaches are emerging as innovative techniques for rapidly analyzing small samples. While SDS-PAGE is user-friendly, it denatures proteins, particularly those linked to other biomolecules. The choice of the most appropriate instrument depends on factors such as cost, energy efficiency, processing time, the characteristics of the target protein, desired outcomes, protein recovery, and resource availability. By critically examining these analytical instruments for protein purification, this review aims to assist researchers and practitioners in selecting the most suitable method for their specific needs, ultimately promoting efficient and successful protein purification endeavors in the field of food science and technology.

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)0,001
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 enseignants0,379
Score d'incertitude au seuil0,179

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,093
Tête enseignante GPT0,360
Écart entre enseignants0,267 · 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

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExploration of Foods and FoodomicsMême sujetProteins in Food SystemsTravaux en français237 207