MétaCan
Menu
Retour à la cohorte
Enregistrement W4402298767 · doi:10.1021/acs.jafc.4c05591

Mechanochemistry in Glycation Research

2024· review· en· W4402298767 sur OpenAlexafffund
Haoran Xing, Varoujan A. Yaylayan

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2024
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced Glycation End Products research
Établissements canadiensMcGill University
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of Canada
Mots-clésMechanochemistryAmadori rearrangementChemistryGlycationMaillard reactionOrganic chemistrySugarGlyoxalReactivity (psychology)Amino acidMelanoidinStrecker amino acid synthesisBiochemistryCatalysis

Résumé

récupéré en direct d'OpenAlex

Mechanochemistry by milling has recently attracted considerable interest for its ability to drive solvent-free chemical transformations exclusively through mechanical energy and at ambient temperatures. Despite its popularity and expanding applications in different fields of chemistry, its impact on Food Science remains limited. This review aims to demonstrate the specific benefits that mechanochemistry can provide in performing controlled glycation, and in "activating" sugar and amino acid mixtures, thereby allowing for continued generation of colors and aromas even after termination of milling. The generated mechanical energy can be tuned under specific conditions either to form only the corresponding Schiff bases and Amadori compounds or to generate their degradation products, as a function of the frequency of the oscillations in combination with the reactivity of the selected substrates. Similarly, its ability to initiate the Strecker degradation and generate pyrazines and Strecker aldehydes was also demonstrated when proteogenic amino acids were milled with glyoxal.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,060
Tête enseignante GPT0,382
Écart entre enseignants0,323 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetAdvanced Glycation End Products researchTravaux en français237 207