Application de couplages de procédés baromembranaires et électromembranaires pour la séparation de peptides bioactifs d'hydrolysats de protéines de soya et étude du colmatage des membranes échangeuses d'ions par des peptides
Bibliographic record
Abstract
Le soya est une culture en pleine expansion au Canada. L’augmentation de la production au cours des dernières années a créé un besoin au niveau du développement des compétences pour la transformation et la valorisation de cette légumineuse. L’industrie des aliments fonctionnels et des nutraceutiques s’est beaucoup intéressée au soya étant donné son contenu riche en molécules potentiellement bioactives, telles que les protéines. Cependant, il faut réussir à isoler ou concentrer ces molécules bioactives pour les rendre efficaces. Les procédés membranaires sont des technologies offrant la possibilité de fractionner des solutions afin d’en concentrer des molécules cibles. Ces technologies membranaires peuvent se diviser en deux grands groupes : celles dont la force motrice principale est la pression; dont font partie l’ultrafiltration (UF) et la nanofiltration (NF), et celles dont la force motrice est le champ électrique; l’électrodialyse avec membrane d’ultrafiltration (EDUF). Cependant, l’application de ces procédés de séparation membranaires à des solutions protéiques s’est parfois révélée problématique dû à la tendance au colmatage des membranes. Cette étude avait donc pour objectifs 1) d’évaluer le potentiel à l’encrassement des membranes échangeuses d’ions par un hydrolysat de protéines de soya, 2) de comparer l’efficacité de séparation des couplages d’UF/NF et UF/EDUF en termes de transfert de masse et de taux de migration, 3) de caractériser les fractions obtenues en termes de masses moléculaires, de concentrations en protéines et peptides et de profils de poids moléculaires et d’acides aminés, et 4) d’évaluer le potentiel antioxydant et neuroprotecteur des fractions obtenues. L’étude des colmatages peptidiques de membranes ioniques a démontré que les interactions électrostatiques sont la principale cause de ce phénomène dont l’intensité varie selon le type de membrane (cationique ou anionique) et les conditions du milieu utilisées (acide ou basique). Des étapes simples de nettoyages des membranes à l’aide de solution salines de NaCl peuvent améliorer les performances de ces procédés à long terme et ainsi améliorer leur efficacité. Les 2 couplages à l’étude ont démontré des taux de transfert de masse semblables alors que le couplage avec nanofiltration s’est montré plus efficace au niveau du taux de migration en fonction du temps et de la surface de membrane utilisée. Les 2 couplages ont produit des fractions peptidiques très différentes tant au niveau des profils en acides aminés, des poids moléculaires et du contenu peptidique qu’au niveau du potentiel antioxydant. En effet, le couplage UF/NF a permis de produire des perméats très concentrés en petits poids moléculaires alors que le couplage UF/EDUF a produit des fractions possédant une gamme plus large de poids moléculaires, mais présentant une spécificité en fonction du pH de la solution. Le perméat de nanofiltration et les KCl 1 et 2 de l’ÉDUF ont démontrés des niveaux transfert de protéines totales semblables avec les procédés utilisés. Le procédé d’ÉDUF a permis la récupération de fractions ayant un contenu plus élevé en peptides polaires. Les fractions d’ÉDUF KCl 1 à pH 3 et 6 ont démontré un potentiel antioxydant élevé lors du test de l’ORAC. Ces mêmes fractions ainsi que le KCl 1 à pH 9 et le perméat de NF à pH 6 ont aussi démontré un effet intéressant sur le potentiel redox. Cependant, aucune fraction recueillie n’a démontré d’effet de protection contre les espèces réactives à l’oxygène sur les cellules neuronales mais se sont montrées non-toxiques pour ces cellules.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".