Improved Antioxidant, Antihypertensive, and Antidiabetic Activities and Tailored Emulsion Stability and Foaming Properties of Mixture of Corn Gluten and Soy Protein Hydrolysates Via Enzymatic Processing and Fractionation
Notice bibliographique
Résumé
Bioactive peptides and protein hydrolysates have gained considerable attention in the food industry and functional food markets due to their diverse health effects, including antioxidant, antihypertensive, and antidiabetic properties. This study aimed to produce combined soy and corn protein hydrolysates using Alcalase (Al), modification of Al-hydrolysates through sequential hydrolysis using Flavourzyme (Al-FL), cross-linking of Al-hydrolysates using microbial transglutaminase (MTGase) (Al-TG), and fractionation of Al-hydrolysates by ultrafiltration (UF) with molecular weight (MW) cut-off of 100 (Al-F4), 30 (Al-F3), 10 (Al-F2), and 2 kDa (Al-F1). Notably, the < 2 kDa fraction (Al-F1) showcased exceptional biological activities, including antioxidant (81.54% DPPH, 98.02% ABTS), antihypertensive (95.45%), and antidiabetic effects (44.72% α-glucosidase, 77.52% α-amylase), linked to its high hydrophobic amino acid content and low molecular weights (111 and 263 Da). Conversely, the higher molecular weight fraction (Al-TG) excelled in emulsion and foam stability, attributed to its balanced amino acid profile and larger peptides (1385-7057 Da). Our findings reveal that specific protein hydrolysate fractions, particularly Al-F1 and Al-TG, are promising for applications in food and pharmaceutical formulations due to their enhanced biological and functional properties.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».