Polyphenol-polysaccharide interactions: molecular mechanisms and potential applications in food systems – a comprehensive review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Polyphenols, a major class of plant secondary metabolites, are well known for their diverse bioactive properties. It has also been established that polyphenols interact with other macromolecules, such as proteins, polysaccharides, and lipids in the food matrix. Among the primary metabolites of the plant, carbohydrates play a significant role. Polyphenols and polysaccharides form complexes upon interaction; this interaction could be through covalent or non-covalent bonds, such as electrostatic, hydrophobic, van der Waals forces, and hydrogen bonding. These polysaccharide-polyphenol complexes exhibit enhanced bioactivity and influence the digestibility of complex macronutrients (such as proteins and polysaccharides), as well as their biological efficacy, bioavailability, and stability. Despite their numerous benefits and potential applications, the underlying mechanisms of interaction and complex formation between polysaccharides and polyphenols, as well as the influence of their structural parameters, remain underexplored. This comprehensive review summarizes the basic molecular-level implications of polysaccharides and polyphenols, exploring their potential applications in the food industry, and provides a basic understanding of their occurrence in various food matrices, characteristics of both polyphenols and polysaccharides that influence their interaction mechanisms, and detection under laboratory conditions. The review aims to bridge the gap between the molecular-level understanding of the complex and the development of potential nutraceuticals and functional food ingredients based on polysaccharide-polyphenol complexation.
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.
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) | 0,001 | 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 | 0,000 | 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 découle