Determination of the Protein and Amino Acid Content of Fruit, Vegetables and Starchy Roots for Use in Inherited Metabolic Disorders
Notice bibliographique
Résumé
Amino acid (AA)-related inherited metabolic disorders (IMDs) and urea cycle disorders (UCDs) require strict dietary management including foods low in protein such as fruits, vegetables and starchy roots. Despite this recommendation, there are limited data on the AA content of many of these foods. The aim of this study is to describe an analysis of the protein and AA content of a range of fruits, vegetables and starchy roots, specifically focusing on amino acids (AAs) relevant to AA-related IMDs such as phenylalanine (Phe), methionine (Met), leucine (Leu), lysine (Lys) and tyrosine (Tyr). AA analysis was performed using high-performance liquid chromatography (HPLC) on 165 food samples. Protein analysis was also carried out using the Dumas method. Foods were classified as either 'Fruits', 'Dried fruits', 'Cruciferous vegetables', 'Legumes', 'Other vegetables' or 'Starchy roots'. 'Dried fruits' and 'Legumes' had the highest median values of protein, while 'Fruits' and 'Cruciferous vegetables' contained the lowest median results. 'Legumes' contained the highest and 'Fruits' had the lowest median values for all five AAs. Variations were seen in AA content for individual foods. The results presented in this study provide useful data on the protein and AA content of fruits, vegetables and starchy roots which can be used in clinical practice. This further expansion of the current literature will help to improve diet quality and metabolic control among individuals with AA-related IMDs and UCDs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».