The effect of adenosine 5′‐monophosphate (<scp>AMP</scp>) on tenderness, microstructure and chemical–physical index of duck breast meat
Notice bibliographique
Résumé
BACKGROUND: Adenosine 5'-monophosphate (AMP) is often used in meat and poultry soups as a flavor enhancer (flavor modifier), or as food additives for specific nutritional purposes. Our previous research as well as evidence from others showed that actomyosin could be dissociated into myosin and actin by AMP in extracted muscle solution. However, there is no report available on the application of AMP to dissociate actomyosin and to improve meat tenderness. The objectives of this study were to evaluate the effect of AMP on duck meat tenderness and other quality traits and to explore the mechanism of the action of AMP on meat tenderness. RESULTS: Duck breast muscle was treated with 0, 10, 20, 30, 40 mmol L(-1) AMP at 5 °C for 10 h and examined for shear force, microstructure, actomyosin dissociation, myofibril fragmentation index (MFI), pH, water content, cooking loss, CIE* color (L*, a*, b*), inosine monophosphate (IMP) and free amino acid (FAA) contents. Results showed that shear force, cooking loss, L* and b* of the muscles significantly decreased after AMP treatment (P < 0.05); actomyosin dissociation, MFI, pH, water content, fiber diameter, sarcomere length, IMP and ammonia significantly increased (P < 0.05); no significant change in a* or other FAA content was observed (P > 0.05), and muscle shrinkage in transverse and longitudinal directions were restrained after AMP treatment. CONCLUSION: The results suggest that AMP could notably improve meat tenderness, and this effect was probably mainly through increasing muscle pH, promoting actomyosin dissociation and disrupting the Z-line; meanwhile, the conversion of AMP to IMP may contribute to the flavor of meat.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».