Fractionnement d’un hydrolysat de protéines de saumon par électrodialyse avec empilement de membranes d’ultrafiltration afin de concentrer, isoler et identifier des peptides glucorégulateurs.
Bibliographic record
Abstract
Le diabète de type 2 (DT2) est un trouble multifactoriel complexe de l’homéostasie du glucose. Cette maladie, bien qu’elle possède une composante génétique, est principalement induite par des causes socio-environnementales comme de mauvaises habitudes alimentaires. En dépit des mesures hygiéno-diététiques et des traitements médicaux utilisés pour prévenir et traiter la maladie, le DT2 ne cesse de progresser. L’identification et la production de peptides bioactifs à partir de sources naturelles offrent une alternative intéressante aux médicaments de synthèse, dont les préoccupations concernant les effets secondaires ne cessent d’augmenter. Ainsi, en raison de leur abondance et leur richesse en molécule bioactive, les coproduits de la transformation du poisson offrent une source presque inépuisable de peptides bioactifs. En effet, lors d’études précédentes, il a été démontré que des protéines de morue et de saumon permettaient d’améliorer la santé cardio-métabolique in vivo, et d’améliorer la captation du glucose musculaire, de diminuer la production du glucose hépatique et l’inflammation. De plus, avec un nombre de plus en plus important d’individus à nourrir, l’industrie de la transformation doit augmenter sa production, et les déchets ne cessent de s’accumuler. Néanmoins, afin d’exercer leur effet bioactif, il est nécessaire de libérer ces peptides bioactifs des structures protéiques au sein desquelles ils sont imbriqués et sous forme inactive générant ainsi des hydrolysats complexes. Par la suite, une ou plusieurs étapes de séparation sont utilisées afin de concentrer ces peptides dans des fractions plus actives, par exemple en fractionnant ces hydrolysats complexes par électrodialyse avec membranes d’ultrafiltration. En effet, Il a été démontré l’efficacité de l’électrodialyse avec membranes d’ultrafiltration pour la génération de fractions améliorant, in vitro, la captation du glucose à partir d’hydrolysats de protéines de soya et de saumon. Ainsi, l’objectif principal de cette thèse était de concentrer et d’identifier des peptides bioactifs par le fractionnement d’un hydrolysat de protéines issu d’un coproduit de saumon iv par l’électrodialyse avec membranes d’ultrafiltration, et d’étudier l’impact de ces fractions et peptides sur le DT2. Lors de la première étude, il a été démontré qu’un empilement judicieux de membranes permettait de fractionner les peptides issus d’un hydrolysat de coproduit de saumon, en générant des fractions possédant des peptides avec des propriétés physico-chimiques (charge et masse) différentes. De plus, cet empilement de trois membranes d’ultrafiltration de seuils de coupure différents a permis de moduler la réponse in vitro de la captation du glucose. En effet, des peptides cationiques de plus haut poids moléculaire ont amélioré la captation du glucose dans une étude in vitro, alors que les peptides cationiques de plus faible poids moléculaire ont démontré un effet inhibiteur de la bioactivité. Finalement, l’analyse par spectrométrie de masse des fractions a permis de caractériser (temps de rétention et charge) 17 peptides cationiques et 21 peptides anioniques, potentiellement responsables de l’effet bioactif des fractions. Lors de la deuxième étude, le fractionnement par EDUF des fractions finales récupérées lors de la précédente séparation et l’étude in vitro de la bioactivité de ces fractions (captation du glucose, production du glucose hépatique et inflammation) ont permis d’identifier deux fractions très prometteuses, démontrant un effet sur ces trois bioactivités. De plus, l’analyse par spectrométrie de masse en tandem de ces fractions a permis d’identifier, à l’aide de base de données, la séquence peptidique de 24 peptides anioniques, potentiellement responsables de ces effets bioactifs. Finalement, lors de la troisième étude, basées sur l’analyse des spectres obtenus par spectrométrie de masse en tandem, 13 peptides ont été sélectionnés et synthétisés, puis testés individuellement pour leurs capacités à augmenter l’absorption du glucose au niveau de cellules musculaires, à diminuer la production de glucose hépatique et finalement à diminuer la réponse inflammatoire de macrophages. Ainsi, pour la première fois, quatre nouveaux peptides ont été identifiés à partir de coproduits de saumon, et leurs propriétés glucorégulatrices in vitro ont été démontrées.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
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".