Predictive Response Surface Model for Heat‐Induced Rheological Changes and Aggregation of Whey Protein Concentrate
Notice bibliographique
Résumé
Whey proteins are now far more than a by-product of cheese processing. In the last 2 decades, food manufacturers have developed them as ingredients, with the dairy industry remaining as a major user. For many applications, whey proteins are modified (denatured) to alter their structure and functional properties. The objective of this research was to study the influence of 85 to 100 °C, with protein concentration of 8% to 12%, and treatment times of 5 to 30 min, while measuring rheological properties (storage modulus, loss modulus, and complex viscosity) and aggregation (intermolecular beta-sheet formation) in dispersions of whey protein concentrate (WPC). A Box-Behnken Response Surface Methodology modeled the heat denaturation of liquid sweet WPC at 3 variables and 3 levels. The model revealed a very significant fit for viscoelastic properties, and a lesser fit for protein aggregation, at temperatures not previously studied. An exponential increase of rheological parameters was governed by protein concentration and temperature, while a modest linear relationship of aggregation was governed by temperature. Models such as these can serve as valuable guides to the ingredient and dairy industries to develop target products, as whey is a major ingredient in many functional 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 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 | 0,004 | 0,001 |
| 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 ».