Fenugreek (<i>Trigonella foenum graecum</i>) seed protein isolate: extraction optimization, amino acid composition, thermo and functional properties
Notice bibliographique
Résumé
BACKGROUND: With increasing demand for new protein sources, research on plant protein extraction and evaluation of the functional properties of protein isolates is necessary. In this study, pH and NaCl concentration, as two parameters affecting protein extraction of fenugreek seed, was investigated and the condition of fenugreek protein isolate (FPI) extraction was optimized using response surface methodology. RESULTS: FPI had significantly (P< 0.05) higher protein and essential amino acid content (891.00 and 387.41 g kg(-1) , respectively) compared with soy protein isolate (SPI). FPI was rich in Asp and Glu, confirming the presence of bands in the acidic region (30-39 kDa) of its electrophoretic pattern. Differential scanning calorimeter thermography of both FPI and SPI showed two peaks with high denaturation temperature, confirming the presence of high protein content and hydrophobic amino acids. Protein solubility, foaming capacity, foam stability and emulsion stability of FPI were higher than SPI; moreover, both FPI and SPI showed pH-dependent protein functionalities. CONCLUSION: Fenugreek seed protein extraction was optimized by control of pH and NaCl concentration. FPI could be used as a protein source with remarkable functional properties.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 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 ».