Identifying peptides from oat protein with potential hypocholesterolemic and satiety effects
Notice bibliographique
Résumé
Obesity and hypercholesterolemia cause significant public health challenges, demanding alternative dietary strategie. This study investigated the cholesterol-lowering and satiety-enhancing effects of peptides derived from oat protein hydrolysates. Oat protein was hydrolyzed using pepsin and trypsin, and the resulting peptides were fractionated based on hydrophobicity. The fractions were than evaluated for their inhibitory effects on dipeptidyl-peptidase 4 (DPP4) and HMG-CoA reductase (HMGCR), as well as their impact on cholesterol micelle solubility. The most potent fraction (F4) exhibited 50 % inhibition of DPP4 at 50 μg/ml, potentially enhancing satiety. Fractions F3, F4, and hydrolyzed peptides inhibited HMGCR by 85 %, 79 %, and 83 %, respectively, at 200 μg/ml, while F1 reduced cholesterol micelle solubility by 38 % at 2 mg/ml. LC-MS/MS analysis identified peptides enriched in proline, leucine, and aromatic amino acids, contributing to bioactivity. These findings suggested oat protein-derived peptides as promising candidate for functional food development formulations aimed at mitigating obesity and hypercholesterolemia. • In vitro digestion by pepsin and trypsin in simulated gut conditions was effective to generate small peptides from oat protein. • Oat peptides showed capacity to inhibit DPP4 and HMGCR, promoting satiety and lowering cholesterol. • Hydrophobic and aromatic amino acids enhanced enzyme inhibition potential. • LC-MS/MS and de novo sequencing identified key bioactive oat peptides. • Oat protein based functional foods have potential for obesity and cholesterol management.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».