Protein isolates derived from pea seeds pre-treated with radio frequency: Changes in global proteomes and impacts on nutritional and functional properties
Notice bibliographique
Résumé
Thermal treatments are used to modify the functionality and sensory properties of proteins. Specifically, radio frequency (RF) heating is fast, scalable, penetrates deeply, and is suitable for treating low-moisture materials such as dry seeds. In this study, RF heating was applied as a pre-treatment to whole dry yellow pea seeds, and its impact was assessed on pea protein isolates produced from the seed. Global quantitative proteomics revealed a reduction in the abundance of proteins such as albumins, lipoxygenase, peroxidase, and non-specific lipid transfer protein, with a corresponding increase in globulins and lectins. Circular dichroism spectroscopy analysis indicated alterations in protein secondary structures. These RF-induced changes drastically affected the functional and nutritional properties of the protein isolates. At RF treatment temperature of 84±3.5°C, fat absorption capacity increased from 570±19% in the control treatment to 721±19% ( p <0.05), emulsion stability index increased from 19.5±0.1 min to 21.2±0.6 min ( p <0.05), foaming capacity increased from 168±1.5% to 174±2.6% ( p <0.05) and foam expansion increased from 869±2% to 892±2.1% ( p <0.05). These changes were accompanied by a downgrading of nutritional properties due to the depletion of sulfur amino acid-containing albumins. • The impact of RF seed pre-treatment on pea protein isolates was studied • LowRF and HighRF treatments induced protein unfolding and further aggregation at higher heat treatment • Fat absorption, emulsion and foaming capacity were improved after RF treatment at 84°C • RF treatment decreased albumins and sulfur-containing amino acids, lowering nutritional • quality • RF treatment at 114°C decreased solubility and extraction efficiency
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 ».