Autoclave processing modulates allergenic potential of red kidney beans (Phaseolus vulgaris L.): proteomic and bioinformatics insights after in vitro gastric digestion
Notice bibliographique
Résumé
Red kidney beans ( Phaseolus vulgaris L.), a nutrient-dense legume, face significant limitations in food applications due to persistent allergenicity. The dual effects of industrial autoclaving (121 °C, 15 min) on allergenicity modulation were evaluated through in vitro gastrointestinal digestion models in this study, integrated with sodium dodecyl sulfate polyacrylamide gel electrophoresis (SDS-PAGE), high performance liquid chromatography-tandem mass spectrometry (HPLC-MS/MS), immunoblotting, and computational epitope prediction. Electrophoretic profiling demonstrated partial degradation of major allergens for 43 kDa phaseollin-like protein, lectin subunits (31/25 kDa). Legumin α -subunits exhibited pepsin resistance (74.8% stability), contrasting with rapid degradation of α -amylase inhibitor ( α -AI) and group 3 late embryogenesis abundance (G3LEA) proteins. Chromatographic immunoreactivity screening revealed autoclaved samples generated 8 antigenic fractions, including novel hydrophobic peptides with enhanced immunoglobulin E (IgE)-binding potential. Mass spectrometry identified 849 and 1 516 unique peptides in raw and autoclaved digests, respectively, with phaseollin and lectins dominating post-processing epitopes. Bioinformatics highlighted conserved allergenic motifs (e.g., VLVKPIQIR, LPQQADAE) in phaseollin and lectins, alongside cross-reactive sequences homologous. Paradoxically, autoclaving reduced intact allergen content but amplified immunoreactive diversity through conformational exposure of epitopes and hydrophobic residue enrichment. These findings underscore the necessity for epitope-specific risk assessment in legume processing, balancing benefits of thermal intervention against unintended allergenic consequences.
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 | 0,000 |
| 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) | 0,000 | 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 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 ».