Emerging potentials of duckweed (Lemnaceae): From composition to protein uses in food and nutraceuticals – A review
Notice bibliographique
Résumé
Duckweed, a rapidly growing aquatic plant, is gaining significant attention as a sustainable protein source. However, fully unlocking its potential requires a comprehensive evaluation, from its nutrient composition to its applications in both food and nutraceutical products. This review provides a holistic approach, beginning with the factors influencing duckweed's nutrient composition, including growth conditions and environmental variables. The challenges of protein extraction from duckweed are reported in comparison to other leafy plants, highlighting current obstacles and innovative methods. The functional properties of duckweed proteins after extraction-including solubility, emulsification, foaming, and gelling-are critically assessed for their relevance in food product development. Duckweed protein digestibility in animal and humans is then thoroughly examined, underscoring duckweed's prospect as a high-quality protein source. Additionally, the bioactivities of duckweed-derived compounds, particularly peptides, are explored for their potential health benefits, including antimicrobial, antihypertensive, antidiabetic, anticancer and antioxidant properties. This review also addresses consumer acceptance and real-world applications based on existing literature, commercial developments, and patents. Regulatory and safety considerations are reported, highlighting both the successes and challenges encountered in recent regulatory efforts. Overall, while duckweed has significant potential as a sustainable food source, research and commercial interest are still in their early stages. Its future role and identity in the food system, whether as a whole food, functional protein source, or source of bioactive compounds, remains to be defined.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».