MétaCan
Menu
Retour à la cohorte
Enregistrement W4410386290 · doi:10.1186/s42825-025-00198-6

Oral collagen-based supplement as a bioactive component in functional foods

2025· article· en· W4410386290 sur OpenAlexaff
Yue Wu, Siqi Deng, Wenqi Wei, Yuanmeng He, Yunxiang He, Yanbin Zheng, Yifei Li, Yimin Hua, Junling Guo

Notice bibliographique

RevueCollagen and Leather · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtein Hydrolysis and Bioactive Peptides
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Key Research and Development Program of ChinaState Key Laboratory of Polymer Materials EngineeringNational Natural Science Foundation of China
Mots-clésComponent (thermodynamics)ChemistryFunctional foodFood scienceTraditional medicineMedicinePhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Collagen, an abundant extracellular matrix protein in food-producing animals, is widely integrated into food systems for its unique physicochemical properties. Oral collagen-based supplements have received increasing attention for their potential to enhance overall well-being. This review aims to provide valuable insights into the application of oral collagen supplements in food systems, promoting their broader use in food processing, preservation, and the development of functional foods. Specifically, the applications of oral collagen-based supplements in functional foods, focusing on their biological activities, health benefits, and functional properties are summarized. Importantly, their molecular mechanisms of biological activities are critically discussed, including antioxidant, angiotensin-converting enzyme inhibitory, and dipeptidyl peptidase IV inhibitory activities. The health benefits of oral collagen-based supplements, particularly in improving skin, immune, and gastrointestinal health are also explored. Additionally, various functional properties of collagen-based supplements are evaluated, including their stability, bioavailability, taste masking, and sensory attributes. Graphical abstract

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,011
Tête enseignante GPT0,266
Écart entre enseignants0,255 · 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'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

Citations7
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueCollagen and LeatherMême sujetProtein Hydrolysis and Bioactive PeptidesTravaux en français237 207