In silico assessment of self-assembly and bioactivity profiles of peptides from lentil protein
Notice bibliographique
Résumé
Peptides are versatile biomolecules with diverse biological functions, including self-assembly into nanostructures such as nanoparticles, nanosheets, and nanotubes, which have applications in bioadhesives, hydrogels, and drug delivery systems. Lentil proteins, known for their antioxidant, antifungal, antihypertensive, and antidiabetic properties, are promising candidates for such biomaterial applications. This study aimed to computationally explore the self-assembly properties of lentil peptides derived from lentil protein-tannic acid (LPTA) interactions, previously identified through mass spectrometry. A database of 1,146 peptides was analyzed using peptide self-aggregation prediction, bioactivity profiling, physicochemical characterization, 3D structures modeling, and molecular dynamics simulations. The results identified 44 amyloid-like peptides, of which seven were non-toxic and poorly soluble, including peptide 1137 (YVIVNDSCYHQLVSHWLNT), peptide 494 (IVHIAKQL) and peptide 711 (LVVVPQNF). These peptides demonstrated a range of bioactivities, including antihypertensive, antidiabetic, antimicrobial, antimalarial, quorum sensing, anticancer, and antioxidant activities. Peptide 1137 exhibited moderate selfassembly, balanced bioactivity, and high structural stability, making it the most promising candidate. Poor solubility, attributed to the presence of tryptophan (W) and histidine (H), was observed. In conclusion, this study underscores the potential of lentilderived peptides as biomaterials, emphasizing the benefits of poor solubility for controlled bioactive release. Future work should validate these computational predictions experimentally, optimize safety, solubility and stability, and explore advanced biomaterial applications in tissue engineering and drug delivery systems.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».