Identification and In Vitro Evaluation of Milkfish (Chanos chanos) Frame Proteins and Hydrolysates with DPP-IV Inhibitory and Antioxidant Activities
Notice bibliographique
Résumé
The study presents the potential of milkfish frame, a by-product of milkfish processing, as a source of dipeptidyl peptidase IV (DPP-IV) inhibitory and antioxidant peptides with potential applications in type 2 diabetes management. Proteomic analysis identified key proteins, including 65 kDa warm temperature acclimation protein 1 and myosin heavy chain. In silico prediction (BIOPEP-UWM) guided the selection of proteases for generating DPP-IV inhibitory peptides. Enzymatic hydrolysates were produced and evaluated for bioactivity. Among the treatments, pepsin hydrolysis (2% v/v, 8 h) yielded the highest peptide content (283.64 mg/g), soluble protein (86.46%), and DPP-IV inhibitory activity (68.47%). The resulting milkfish frame pepsin hydrolysate (MFH) was further enhanced through ultrafiltration and simulated gastrointestinal digestion, which improved the DPP-IV inhibitory and antioxidant capacities. Cytotoxicity assays confirmed that MFH (0–100 μg/mL) was non-toxic to FL83B hepatocytes after 24 h. Moreover, treating TNF-α-induced FL83B cells with 10 μg/mL MFHs improved cell viability, reducing the toxicity induced by TNF-α in cells. These findings show that MFHs exhibit promising antidiabetic potential and could serve as natural alternatives to synthetic drugs for type 2 diabetes management. This also demonstrates the valorization of fish processing by-products into functional food ingredients, advancing sustainable approaches in food innovation.
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 | 0,000 | 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 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 ».