Effect of plant-based compounds on mucous boundary layer lubrication during tribological contact
Notice bibliographique
Résumé
Plant-based proteins offer a higher protein-to-CO2 emission ratio compared to animal proteins. However, their sensory attributes are often less palatable, largely due to the presence of polyphenols, which can evoke an astringent sensation. Polyphenols interact with salivary proteins, altering lubrication and mouthfeel. This study explores the effect of two plant-based compounds, fava bean protein isolate and tannic acid (TA), on the lubricating properties and structure of mucous boundary layers using a novel methodology combining quartz crystal microbalance with dissipation, atomic force microscopy, tribometry and fluorescence microscopy. Results revealed that bovine submaxillary mucins (BSM) adsorb onto PDMS, forming a hydrated layer with excellent lubricating properties. Fava binds to BSM and PDMS surfaces, forming a hydrated layer that sustains lubrication. In contrast, tannic acid on BSM causes mucin aggregation, destabilizing the adsorbed layer and impairing the mucins’ ability to bind onto PDMS. Shear stresses during sliding of a PDMS probe on the destabilized layer results in a visible damage scar indicating boundary layer removal. This study provides insights into the molecular-level mechanisms influencing oral lubrication, emphasizing the importance of tribological assessment in developing polyphenol-rich plant-based foods.
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) | 0,001 | 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 ».